区域多层钢筋混凝土框架结构地震响应快速预测与建筑坠物范围估算

摘要

我国城市建筑群结构类型多样并且建成时间跨度大，其结构抗震能力差异明显，准确快速预测结构地震响应对于建设韧性城市具有重要意义。以一个虚拟社区为例，首先，根据建筑使用功能，将虚拟社区内建筑群划分为几类代表性建筑；其次，考虑材料力学性能和结构阻尼比等参数的不确定性，通过拉丁超立方抽样方法获得2～3倍不确定性参数量的结构样本；再次，借助OpenSees平台对代表性建筑开展100条实测地震动作用下的非线性动力时程分析；最后，以结构最大层间侧移角和最大楼层侧移等响应数据为研究基础，分别建立基于XGBoost、BP神经网络的结构地震响应快速计算代理模型，并将该代理模型用于评价某次地震作用下中国矿业大学校园建筑群的地震损伤状态以及建筑坠物堆积范围。结果表明：由XGBoost训练的代理模型具有更准确的预测结果；同时，代理模型可以快速得到同类建筑的地震响应，显著减少非线性动力时程计算的耗时。研究方法对于制定城市建筑群防灾减灾政策和震后救援疏散策略具有重要参考价值。

关键词

机器学习 / 地震响应预测 / 建筑群 / 坠物 / 抗震韧性