基于机器学习的砖砌体房屋震害快速预测方法

A Machine Learning-Based Method for Rapid Prediction of Earthquake Damage in Brick Masonry Houses

摘要

由于现有的震害预测方法不能对砖砌体结构做出高效的预测，基于机器学习模型，提出了一种综合考虑地震动特性与结构特性的砖砌体结构震害快速预测方法.该方法利用机器学习模型，从时域、频域、反应谱和持时4个方面初步选取了能够代表地震动特性的12个参数，从承载力、刚度等方面初步选取了与砖砌体结构破坏相关性较强的7个结构参数；将地震动参数与结构参数相结合作为输入变量，分别给出了基于支持向量机（SVM）、随机森林（RF）、人工神经网络（ANN）三种机器学习模型的砖砌体结构的震害快速预测方法，并进行了性能比较；采用相关性分析对输入参数进行进一步优化，给出了优化输入参数后的最优预测模型.结果表明，当采用19个输入参数时，ANN模型的预测准确率最高，达到91.56%.当采用优化后的12个参数作为输入时，基于RF模型的预测性能更加稳定，预测的准确率也更高，可达到90.01%.优化输入参数后的基于RF模型的预测方法可以实现对砖砌体结构震害的快速预测；与只考虑结构参数或只考虑地震动参数作为输入的方法相比，同时考虑结构和地震动参数作为输入的方法极大地提高了预测的准确性.

关键词

机器学习 / 震害快速预测 / 砖砌体结构 / 地震动特性 / 工程地质

Key words

machine learning / rapid prediction of earthquake damage / brick masonry structure / ground motion characteristics / engineering geology

基金资助

中国地震局工程力学研究所基本科研业务费专项资助重点项目(2019A01)

国家自然科学基金项目(U2139209)

黑龙江省头雁行动计划项目