一种基于支持向量机的RC框架地震响应计算方法

本发明涉及结构工程抗震，尤其涉及一种基于支持向量机的rc框架地震响应计算方法。

背景技术：

1、增量动力分析(ida)是结构工程抗震领域不可忽视的一个重要问题，它是近些年来在时程分析基础上发展起来用于评估地震作用下结构性能的一种参数化分析方法。ida作为一种建立在非线性时程分析基础上的动力分析方法，可以考虑地震动输入的不确定性，进而可以准确、合理地量化结构抵御地震灾害的能力。但是ida计算过程需要大量的非线性时程分析结果，时程分析需要确定积分时采用的步长，而步长的选择不仅决定计算精度和解的收敛性，同时决定计算成本，这关系到计算效率问题。鉴于此，rc地震响应计算方法的相关研究受到了工程领域的持续关注。

2、随着地震记录数据的发展，新的地震响应计算方法不断被提出，使得结构工程抗震理论的研究不断深入。传统的地震响应计算方法是基于物理的方法，如有限元法。该计算方法需要建立结构动力方程，进而对动力微分方程进行求解，这类方法简明易用，可解释性强，但是计算效率低下。随着机器学习技术的发展，一些研究者提出借助机器学习方法对rc地震响应进行预测，从而建立计算rc框架地震响应的代理模型。例如，《隧道与地下工程灾害防治》2023年第5卷第3期“基于bp神经网络的圆形隧道地震响应预测方法及参数分析”一文提出了一种基于人工神经网络的圆形隧道地震响应预测方法，以基岩地震动峰值等参数作为基本输入参数，对圆形隧道在不同地震动作用下的结构关键响应指标进行预测。《工程力学》2021年第38卷第12期“基于bp神经网络的rc框架结构地震易损性曲面分析：考虑地震动强度和持时的影响”一文提出了一种基于bp神经网络的地震易损性曲面分析方法，使用神经网络模型，综合考虑地震动强度和持时特性对结构地震需求的影响，并进行地震易损性分析，该方法具有明确的应用前景。《工程抗震与加固改造》2020年第42卷第3期“基于长短时记忆网络的结构地震响应预测”一文提出了一种基于长短时记忆网络深度学习框架的地震响应预测方法，研究结果表明该方法具有较高的精确度与稳定性，有利于实现工程结构的在线实时减震控制。以上方法能够明显提高计算效率，并且可以考虑地震动的不确定性，具有广阔的应用前景。但是各类机器学习算法的优缺点不一，而且一些rc框架地震响应计算模型的建立过程不够科学透明，因此还有待进一步的研究应用。

3、以大数据，人工智能为核心的替代方法可以弥补传统计算方法的不足，然而机器学习算法的预测性能和训练样本的规模密切相关，理论上训练样本规模越大，其预测性能越好。但当训练样本规模较大时，其训练效率将极大降低。许多学者利用超级计算机发展并行计算技术，但这一技术依赖超算资源的普及程度。因此，发展不依赖超算资源的rc框架地震响应计算方法显得尤为急迫。

技术实现思路

1、本发明所要解决的技术问题是，提供一种基于支持向量机的rc框架地震响应计算方法，回应工程中计算rc(钢筋混凝土)框架地震响应的实际需要，解决现有传统计算效率和机器学习训练效率低下等问题。

2、为解决上述技术问题，本发明采用的技术方案为，一种基于支持向量机的rc框架地震响应计算方法，包括以下步骤：

3、step1：从众多rc(钢筋混凝土)框架地震响应影响因素中选择关键因素，作为计算rc(钢筋混凝土)框架地震响应的解释变量；

4、step2：根据所选解释变量，建立有限元模型计算地震响应并建立大规模数据集，将数据划分为训练集数据集和测试集数据集；

5、step3：利用训练集数据进行支持向量机的结构学习和参数学习，构建解释变量与工程需求参数之间的依赖关系；

6、step4：基于测试集数据，对建立的rc(钢筋混凝土)框架地震响应计算方法进行验证，并获得该方法的性能评价指标，与现有方法的进行对比。

7、优选的方案中，所述step1中选择的关键因素包含rc(钢筋混凝土)框架信息和地震信息，rc(钢筋混凝土)框架信息来源于设计的四层rc(钢筋混凝土)框架，六层rc(钢筋混凝土)框架，八层rc(钢筋混凝土)框架，地震信息来源于nga-west2数据库。

8、优选的方案中，所述设计的rc(钢筋混凝土)框架涉及参数强度退化因子，在关键因素中有所考虑，改变强度退化因子，即可扩充rc(钢筋混凝土)框架信息。

9、优选的方案中，所述step2中建立大规模数据集具体是基于rc(钢筋混凝土)框架信息，依据规范设计反应谱，选择地震动进行有限元模拟，进而建立大规模数据集。

10、优选的方案中，所述step2中建立的大规模数据集，是按照7：3的比例划分训练集数据集和测试集数据集。

11、优选的方案中，所述step2中大规模训练集数据集，是利用nystrom近似和递归采样理论的方法建立小规模低秩核矩阵，用于近似大规模原核矩阵，将低秩核矩阵为基础结构，利用支持向量机算法从训练数据集中，学习得到最优的支持向量机的结构，从而获得最终的支持向量机计算模型。

12、优选的方案中，所述step1中解释变量包含层数、强度退化参数d、梁宽、梁高、首层柱截面尺寸、标准层柱截面尺寸、首层柱配筋率、标准层柱配筋率、首层梁配筋率、中间层梁配筋率、顶层梁配筋率、一阶自振周期、地震动峰值速度pga、地震动峰值速度pgv、地震动峰值位移pgd、震源与地震受力地面的距离为30公里内的等效剪切波速vs30、断层距、5～95％能量持时、5～75％能量持时、震级和谱加速度sa。

13、优选的方案中，所述性能评价指标包含决定系数r2，均方根误差rmse和平均绝对误差mae。

14、本发明提供的一种基于支持向量机的rc框架地震响应计算方法，有如下有益效果：

15、1、本发明提出的rc(钢筋混凝土)框架地震响应计算方法，较好地解决了现有基于物理的有限元计算方法效率低下的问题，进一步提高了rc(钢筋混凝土)框架地震响应的计算效率；

16、2、本发明提出的rc(钢筋混凝土)框架地震响应计算方法，基于大规模数据集建立rc(钢筋混凝土)框架预测模型，大大拓展了方法的适用范围，增强了方法的泛化能力；

17、3、本发明提出利用支持向量机的rc(钢筋混凝土)框架地震响应计算方法，支持向量机是一种采用结构风险最小化准则设计的学习机器算法，具有较好的推广能力和坚实的数学原理，能够较好地处理复杂的非线性问题，在地震响应计算领域具有显著的优势；

18、4、本发明提出利用nystrom近似理论、递归抽样理论和专业知识，构建用于计算钢筋混凝土框架地震响应的支持向量机模型，能够充分挖掘数据中的非线性关系。

技术特征：

1.一种基于支持向量机的rc框架地震响应计算方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于支持向量机的rc框架地震响应计算方法，其特征在于：所述step1中选择的关键因素包含rc框架信息和地震信息，rc框架信息来源于设计的四层rc框架，六层rc框架，八层rc框架，地震信息来源于nga-west2数据库。

3.根据权利要求2所述的一种基于支持向量机的rc框架地震响应计算方法，其特征在于：所述设计的rc框架涉及参数强度退化因子，在关键因素中有所考虑，改变强度退化因子，即可扩充rc框架信息。

4.根据权利要求3所述的一种基于支持向量机的rc框架地震响应计算方法，其特征在于：所述step2中建立大规模数据集具体是基于rc框架信息，依据规范设计反应谱，选择地震动进行有限元模拟，进而建立大规模数据集。

5.根据权利要求4所述的一种基于支持向量机的rc框架地震响应计算方法，其特征在于：所述step2中建立的大规模数据集，是按照7：3的比例划分训练集数据集和测试集数据集。

6.根据权利要求4所述的一种基于支持向量机的rc框架地震响应计算方法，其特征在于：所述step2中大规模训练集数据集，是利用nystrom近似和递归采样理论的方法建立小规模低秩核矩阵，用于近似大规模原核矩阵，将低秩核矩阵为基础结构，利用支持向量机算法从训练数据集中，学习得到最优的支持向量机的结构，从而获得最终的支持向量机计算模型。

7.根据权利要求1所述的一种基于支持向量机的rc框架地震响应计算方法，其特征在于：所述step1中解释变量包含层数、强度退化参数d、梁宽、梁高、首层柱截面尺寸、标准层柱截面尺寸、首层柱配筋率、标准层柱配筋率、首层梁配筋率、中间层梁配筋率、顶层梁配筋率、一阶自振周期、地震动峰值速度pga、地震动峰值速度pgv、地震动峰值位移pgd、震源与地震受力地面的距离为30 公里内的等效剪切波速vs30、断层距、5~95%能量持时、5~75%能量持时、震级和谱加速度sa。

8.根据权利要求1所述的一种基于支持向量机的rc框架地震响应计算方法，其特征在于：所述step4中的性能评价指标包含决定系数r2，均方根误差rmse和平均绝对误差mae。

技术总结
本发明提供一种基于支持向量机的RC框架地震响应计算方法，包括以下步骤：步骤一从众多RC框架地震响应影响因素中选择关键因素，作为计算RC框架地震响应的解释变量；步骤二根据所选解释变量，建立有限元模型计算地震响应并建立大规模数据集，将数据划分为训练集数据集和测试集数据集；步骤三利用训练集数据进行支持向量机的结构学习和参数学习，构建解释变量与工程需求参数之间的依赖关系；步骤四基于测试集数据，对建立的RC框架地震响应计算方法进行验证，并获得该方法的性能评价指标，与现有方法的进行对比；解决了现有传统计算方法效率和机器学习训练效率低下等问题。

技术研发人员：王尉阔,骆欢
受保护的技术使用者：三峡大学
技术研发日：
技术公布日：2024/3/12