基于MLP-RF的框架结构残余变形预测研究

摘要

残余变形是震后评价结构损伤的重要参数，为探究地震动参数与该指标的关联机制，以某框架结构为研究对象，筛选并计算大量Ⅰ类场地条件下的地震动参数，通过ABAQUS软件开展非线性动力时程分析以提取结构稳定残余变形；然后，结合多层感知器（MLP）与随机森林（RF）构建集成多层感知集成机器学习模型（MLP-RF），将预处理后的地震动和结构参数作为输入，以整体残余变形及层间残余变形为输出完成训练；最终，通过模型预测效果对比识别出影响残余变形的关键参数。研究结果表明：MLP-RF模型预测结构残余变形的准确度，显著优于单一的多层感知器或随机森林模型。其中，Newmark滑块位移指标、Ridell位移指标及加速度反应谱均值，是对残余变形影响较大的关键参数。研究成果可为揭示地震动参数与残余变形的作用机理提供新思路。

关键词

残余变形 / 机器学习 / 地震动参数 / MLP-RF

基金资助

国家自然科学基金重大研究计划（52192672）;国家自然科学基金资助项目（52079025）