面向抗倒塌地震动强度指标选取的特征选择算法性能评估

摘要

为了筛选有效预测结构倒塌能力的地震动强度指标，对比分析了MIC、ReliefF、XGBoost和Lasso这4种常见特征选择算法用于地震动强度指标筛选时的性能。基于单自由度结构增量动力分析结果及地震动强度指标建立特征选择回归模型，根据回归模型输出权重及频数得到欧氏距离大小排序并筛选地震动强度指标，利用筛选结果对特征选择算法的性能进行评估。同时基于2层、4层、8层和12层钢筋混凝土框架结构的增量动力分析结果对筛选后强度指标建立最小二乘回归模型，以残差的标准差变化衡量不同特征选择算法筛选出的地震动强度指标对结构倒塌的预测能力。结果表明：基于Lasso回归算法筛选的地震动强度指标比其他算法用于结构倒塌预测时准确率提高31%。结果可为基于性能地震工程(performance-based earthquake engineering, PBEE)框架下结构易损性分析中及地震动不确定性分析中地震动强度指标筛选的特征选择算法提供参考，也可为结构倒塌预测的地震动强度指标筛选提供有效特征选择算法参考。

关键词

地震动强度指标 / 特征选择算法 / 结构倒塌分析 / 增量动力分析 / 最小二乘回归

基金资助

国家自然科学基金面上项目(52478568);国家自然科学基金青年项目(52408529)