一种基于神经网络的框剪结构倒塌面积快速评估方法与流程

本发明涉及一种基于机器学习的框剪结构倒塌面积快速评估方法，属于建筑结构防灾减灾领域。

背景技术：

1、连续倒塌是指结构系统在意外荷载作用下发生初始局部破坏，这种破坏在构件间传播，最后造成整个结构系统的倒塌或不成比例的倒塌。由于结构倒塌会对人类生命财产造成巨大危害，因此需要对不同情况下的结构倒塌程度进行评估。框剪结构作为目前广泛使用的建筑结构形式，针对框剪结构的倒塌破坏程度评估显得尤为重要。然而，目前传统的结构倒塌面积评估方法通常为有限元数值模拟分析，该方法虽然精度较高，但需要花费大量时间进行计算，而建筑结构倒塌情况复杂，工况多样，导致该方法分析结构倒塌面积效率低下。相关研究表明，神经网络能够快速学习和构建非线性复杂关系模型，在保证计算效率的同时也能满足预测精度的需求。因此，采用神经网络对框剪结构倒塌面积进行评估具有十分重要的意义。

技术实现思路

1、发明目的：为了克服传统方法评估结构倒塌效应效率低下的问题，简化倒塌破坏面积的分析过程和提高倒塌面积评估的效率，为结构倒塌程度评估、灾前演习和灾后救援提供实时有效的倒塌情况分析。本发明提供了一种基于神经网络的框剪结构倒塌面积快速评估方法。

2、技术方案：为实现上述目的，本发明采用的具体技术方案如下：

3、一种基于神经网络的框剪结构倒塌面积快速评估方法，该方法根据竖向构件承担荷载面积和周边构件约束水平的不同，分别划分为角部墙、内部墙、短边柱、长边柱和内部柱五种不同的初始失效位置，通过神经网络建立单一工况下失效参数(失效构件所在平面位置、失效构件所在层数和失效构件数量)和结构参数(抗震设防烈度、楼层层数、单跨跨度)与倒塌破坏面积之间的复杂非线性关系，给出了不同工况下倒塌破坏面积的神经网络模型，根据需要调用对应倒塌部位的神经网络模型即可得到建筑的倒塌破坏面积，具体分析流程如图1所示。具体步骤如下：

4、1)根据常见建筑结构形式和典型工况位置，确定典型框剪结构的平面布置形式(如图2所示)，结合《混凝土结构设计规范》和《建筑抗震设计规范》对基本设计参数(层高、恒活载、地震信息和风荷载信息)进行确定，针对不同关键参数(抗震设防烈度、楼层层数和结构跨度)对框剪结构进行配筋设计，确保设计的结构能够覆盖大部分常见结构形式。根据设计结果，在msc.marc有限元软件中建立18个整体结构数值模型。

5、2)根据竖向构件承担荷载面积和周边构件约束水平的不同，分别划分为角部墙、内部墙、短边柱、长边柱和内部柱五种不同的初始失效位置，并设定1～4个局部关键构件作为失效场景，共建立3150个典型倒塌工况，采用非线性动力拆除构件法开展整体结构连续倒塌数值模型模拟，获取整体结构在局部构件失效后的倒塌响应。

6、3)以竖向位移超过跨度的1/5和水平向位移超过层高的1/20作为倒塌判据，并考虑上部结构倒塌的堆载作用，认为上部结构倒塌后，对应位置的下部结构也发生倒塌破坏。

7、4)基于步骤3)的倒塌判别准则，对步骤2)中得到的整体结构连续倒塌数值模拟计算结果进行倒塌面积分析，统计关键参数和对应的结构总体倒塌破坏面积。

8、5)选择的神经网络模型为全连接神经网络，分为输入层、隐藏层和输出层三个部分，如图3所示。其中输入层包括失效构件所在平面位置、失效构件数量、抗震设防烈度、楼层层数、单跨跨度、失效构件所在层数共计6个节点，并对输入参数进行归一化，采用tanh函数作为激活函数；选取神经网络模型的隐藏层为2层，各隐藏层节点数分别为30个和60个；最后一层为输出层，仅包含结构倒塌面积一个输出节点，将输入的信息直接输出。选取均方误差作为神经网络的损失函数，其中yk代表神经网络的输出，tk代表监督数据，k代表数据的维数。神经网络的训练采用反向传播方法，当实际输出与目标输出不一致时，则计算出每个节点的误差项，通过误差项对各节点的权重进行修正。将步骤4)中所得的结构倒塌数据作为训练集对神经网络模型进行训练，直至误差达到要求。

9、6)在步骤5)中，采用一个二维数组来储存单个失效位置下的大量样本数据，训练时，采用随机算法挑选出70％的数据作为训练集，剩下30％作为测试集，用于验证神经网络模型的预测精度。

10、7)验证精度满足要求后，即可认为该神经网络模型可以用于快速计算该倒塌失效部位引起的倒塌面积。重复步骤6)，直至得到所有倒塌失效位置的倒塌评估模型及其对应权重参数。

11、8)选择目标建筑，并得到对应的抗震设防烈度、楼层层数和单跨跨度；确定结构初始失效平面位置、失效构件所在层数以及失效构件数量。将上述信息作为输入参数，通过训练好的神经网络对建筑结构倒塌破坏面积进行预测。

12、本发明有益效果为：本发明所述的一种基于神经网络的框剪结构倒塌面积快速评估方法，它基于神经网络建立结构参数和倒塌破坏面积之间的复杂非线性关系，不涉及复杂的理论计算，仅需提供少量结构参数即可得到倒塌破坏面积，在保证计算速度的同时也能保证较高的精度。

技术特征：

1.一种基于神经网络的框剪结构倒塌面积快速评估方法，其特征在于，包括：

2.根据权利要求1所述的一种基于神经网络的框剪结构倒塌面积快速评估方法，其特征在于：在步骤1)中对典型框剪结构的平面布置形式进行了确定。

3.根据权利要求1所述的一种基于神经网络的框剪结构倒塌面积快速评估方法，其特征在于，在步骤5)中，以抗震设防烈度、楼层层数、单跨跨度、破坏构件所在层数和破坏构件数量作为输入，采用全连接神经网络评估结构倒塌破坏面积。

技术总结
本发明涉及一种基于神经网络的框剪结构倒塌面积快速评估方法。连续倒塌是指结构系统在意外荷载作用下发生初始局部破坏，这种破坏在构件间传播，最后造成整个结构系统的倒塌或不成比例的倒塌。由于结构倒塌会对人类生命财产造成巨大危害，因此需要对不同情况下的结构倒塌程度进行评估，针对框剪结构这种广泛使用的建筑结构形式评估倒塌破坏程度显得尤为重要。本发明通过有限元软件获得大量框剪结构倒塌计算结果，基于神经网络模型建立结构参数和倒塌破坏面积之间的复杂非线性关系，获得模型仅需提供少量结构参数即可得到倒塌破坏面积。利用本评估方法，可以极大缩短评估时间，同时保证预测精度，对框剪结构倒塌面积的评估具有十分重要的意义。

技术研发人员：黄咏政,王森钠,尹续峰,薛晓光,李易,赵玉立,周旭,陈路
受保护的技术使用者：中国人民解放军63921部队
技术研发日：
技术公布日：2024/1/13