基于深度神经网络的竖向地震动加速度反应谱预测模型

摘要

竖向地震动对工程结构地震响应有重要影响，发展可靠的竖向地震动预测模型是地震工程领域的一项重要课题。传统的地震动预测主要基于实际强震动记录，采用最小二乘回归方式得到地震动参数预测模型，但是传统最小二乘回归通常假设变量之间是线性关系或预设的函数形式，这可能无法完全捕捉地震数据中复杂的非线性关系，而深度学习模型能够从数据中学习规律并对复杂的数据分布提供更高的预测精度。因此通过深度学习方法，基于NGA-West2数据库选取了9 953条竖向地震动记录，然后计算反应谱并进行模型训练与预测，建立了Self-DNN竖向地震动反应谱预测模型，并与传统预测模型以及DNN神经网络模型进行了对比。结果表明，本文基于深度学习算法建立的竖向地震动反应谱预测模型具有较好的可靠性和准确性，可以取得良好的预测效果。研究结果可以为竖向地震动反应谱预测和结构抗震设计等工作提供参考。

关键词

竖向地震动 / 地震动反应谱 / 神经网络 / 深度学习 / 预测模型