基于BP神经网络模型的村镇砖砌体结构震害预测研究

砖砌体结构是村镇地区一种量大面广的结构形式,其抗震性能薄弱,在地震中极易出现脆性破坏。本文尝试应用基于L-M算法的BP神经网络方法,利用它强大的非线性映射功能,建立起村镇地区砖砌体结构震害影响因素与破坏状态等级之间关系。设计出一个9-6-5的三层神经网络模型,根据实地调查,筛选出影响房屋震害的9个主要因素,如层数、层高、砌筑方式、砖墙面积率等作为神经网络的输入参数,输出参数为房屋5种破坏状态。选择2008汶川地震后四川、陕西、甘肃等地的震害实例作为学习样本对所构建的神经网络模型进行训练。训练结果表明,该模型对已训练数据有很好的适应性,但如果要将其用于单个或群体建筑的易损性分析,并取得较精确的预测结果,还需积累足够多的训练样本,并进行大量的网络试验工作。     

基于BP神经网络模型的多层砖房震害预测方法

针对传统的基于地震烈度的建筑物震害预测方法的不足,本文以地震动峰值加速度作为建筑物震害预测的地震动指标,结合几次大地震中多层砖房的震害实例,提出了一种基于BP神经网络模型的建筑物震害预测方法,模型的输入为反映结构抗震性能的各类物理参数,输出为给定地震动峰值加速度下建筑物破坏状态的概率。研究表明:基于BP网络模型的多层砖房的震害预测结果与震害实例的实际情况比较吻合,本文的思路和方法可推广于其他不同类型的建筑结构的震害预测。     

基于震害资料的云南地区砌体结构易损性研究

砌体结构房屋是存在于我国的一种量大面广的结构.针对一个地区砌体结构开展结构地震易损性分析,有利于把握该地区砌体结构整体抗震性能,对于该地区防震减灾工作的开展有着重要的指导意义.该研究收集整理了2001年到2010年10年间发生于云南地区地震的震后砌体结构震害资料,并对震后统计得到的震害矩阵进行分析,发现云南农村地区砌体...     

汶川地震中极震区砌体结构教学楼典型震害分析

汶川8.0级大地震造成了巨大的损失,大量学校建筑遭受严重破坏,其中大部分是砌体结构教学楼。在此次地震中,极震区北川县擂鼓镇城区内的初中、小学和幼儿园等砌体结构教学楼的破坏极其严重,结构特征和震害现象十分典型。本文详细地介绍了擂鼓镇城区内5栋砌体结构教学楼的结构构造特点和震害现象特征,同时,总结归纳了砌体结构教学楼的典型震害并分析了震害原因;讨论并分析了建筑含墙率、开间大小、高宽比等因素对建筑的抗震能力的影响;通过结构易损性分析方法对教学楼在不同烈度下的破坏状态进行了计算,并与实际震害进行了对比分析;最后,为灾后教学楼的重建工作提出了建议。     

基于支持向量机的砌体结构震害预测新方法研究

应用简便、可靠的震害预测方法对我国大量存在的砌体结构进行抗震性能评估,是防震减灾工作的重要举措。基于支持向量机(support vector machine, SVM)理论提出了砌体结构震害预测新方法。首先,详细阐述了基于SVM的砌体结构震害预测新方法的基本原理及步骤;其次,确定了砌体结构的震害影响因子及量化值,建立了震害样本数据库及预测模型;最后,将SVM预测结果分别与实际震害结果和BP神经网络预测结果进行对比分析。结果表明,基于SVM模型的砌体结构震害预测方法步骤简单。结果可靠,在样本数据有限的情况下相对BP神经网络算法有较大的优势,可以用于砌体结构的震害预测。     

基于模糊综合评判法的辽宁省老旧砌体房屋震害预测

对辽宁省老旧砌体房屋现状及抗震能力进行分析,基于模糊综合评价法计算分析得到地震易损性矩阵,根据辽宁省地震震害实例对预测结果进行了验证和分析。结果表明:①辽宁省农村民居中的砌体结构总数量占房屋总数量比例超过95%,2000年以前所建房屋总数量占比76%。②由预测结果可知,辽宁省老旧砌体房屋在Ⅵ,Ⅶ,Ⅷ,Ⅸ度烈度下产生严重及以上破坏等级的房屋数量占比分别为6.5%,17.0%,53.5%,65.9%。③震害实例验证结果表明预测结果与实际震害结果之间差异性较小。     

考虑抗倒能力的砌体结构震害预测

以往对砌体结构的抗震鉴定或震害预测方法没有考虑构造柱、圈梁等抗震措施对增强砌体结构抗倒能力的影响,使得在高烈度下的鉴定或震害预测结果多为倒塌,这与震害实际不符合。实际在高烈度区,有一些砌体结构并没有倒塌。本文按照杨玉成等[1]提出的用抗倒增强系数修正楼层综合抗震能力指数方法,将抗倒增强系数的取值推广到不同工况;提出地震烈度为Ⅹ度时烈度影响系数为4.0;推演了杨玉成等提出的用综合抗震能力指数表示的震害预测判别标准。按此法进行了24栋建筑的分析,震害预测结果显示考虑抗倒能力的方法适用于高烈度下的砌体结构震害预测,简单易用,符合震害实际。     

建筑结构震害预测方法研究与实践

建筑结构在地震中的损坏程度是人员伤亡和经济损失预测的基础,也是城市地震经济损失的主要组成部分。本文结合某中等城市市区六种典型建筑在地震作用下的受力特点和破坏机理,分别采用了相应的易损性分析方法,建立了市区震害矩阵。预测结果真实可靠,为进一步进行抗震规划和统计震害损失提供依据。     

基于震害预测的动态震害矩阵方法研究

基于时间因素(材料内部作用、荷载作用和环境影响)和事件因素中的地震因素和抗震加固,通过结构可靠度理论研究和结构材料与构件的试验分析,结合现有的结构动态抗力函数以及不同极限破坏状态和结构抗力之间的对应关系,建立结构的动态易损性。研究事件因素中的拆迁和新建对城市建筑结构数量和类型的影响,以及未来城市不同结构类型的变化特点,给出未来城市的动态震害矩阵;研究群体震害矩阵的异地应用和事件因素中拆迁和新建建筑对震害矩阵的影响,在已有震害预测城市的建筑结构基础资料上,应用模糊数学中可信度方法,形成目标城市的动态震害矩阵,有利于进行结构的抗震设防和地震风险分析。     

遗传优化神经网络方法在桥梁震害预测中的应用

本文将遗传算法与神经网络相结合,从而建立了一种高效的、实用的桥梁震害预测方法。根据遗传算法具有局部寻优的特点,为避免BP神经网络陷入局部极小值,本文将二者结合起来形成GA-BP混合算法,以GA优化神经网络的初始权值和阈值,对网络进行训练。在大量收集梁式桥震害资料的基础上,将此算法引入桥梁的震害预测中,并与传统的单独BP神经网络相比较,结果表明该方法能够有效、准确地对桥梁结构进行震害预测。     

基于灰关联与人工神经网络综合评价模型的多层砖房震害预测

结合几次大地震中多层砖房的实际震害资料,基于灰关联识别方法,解析了各影响因子对多层砖房抗震性能的影响程度。以反映结构抗震性能的各类物理参数作为输入数据,以给定地震动峰值加速度下建筑物破坏状态的概率作为输出数据,采用8-6-5层结构,建立了基于BP人工神经网络的非线性模型,并对震害样本进行了训练。结果表明:利用灰关联分析,可得出各因子对多层砖房抗震性能影响程度的大小排序,有利于实际的工程抗震设计;基于BP人工神经网络模型的多层砖房的震害预测结果与震害实例的实际情况比较吻合,其思路和方法可推广于其他不同类型的建筑结构的震害预测。     

灰关联与人工神经网络在建筑物震害预测中的应用

基于灰关联识别方法,解析了各震害影响因子对多层砖房抗震性能的影响程度;并利用BP人工神经网络非线性模型对震害实例样本进行了训练。结果表明:利用灰关联分析,可得出各因子对多层砖房抗震性能影响程度的大小排序,有利于实际的工程抗震设计;基于BP人工神经网络模型的多层砖房的震害预测结果与震害实例的实际情况比较吻合,其思路和方法可推广于其他不同类型的建筑结构的震害预测。     

考虑震害因子耦合作用的砌体建筑群破坏概率模型研究

砌体建筑群在地震中往往破坏严重损失巨大,合理评估地震作用对不同种类砌体结构造成破坏的风险变得至关重要。传统基于后验概率的地震危险性分析方法忽略了砌体建筑个体差异性的影响,未深入考虑多种震害因子的耦合作用。本文以华南地区砌体建筑群为例,开发了一种集成概率方法来对城市砌体结构的破坏风险进行建模,考虑建筑年代、层数、使用用途和墙厚四类震害因子的耦合影响,采用(Kolmogorov-Smirnov)K-S检验,在设定地震动参数下选取Gaussian分布、Log-Normal分布、Gumbel分布和Beta分布四种概率分布对该地区砌体建筑物的破坏状态概率分布参数进行拟合。通过均方根误差(Root Mean Square Error)RMSE进行拟合优度评价,最终建立基于Gaussian分布和Log-Normal分布的砌体建筑物破坏联合概率模型。最后,以华南地区三个城市典型砌体建筑物为例进行实例对比验证,将基于本文建立的建筑破坏概率模型推算出的砌体建筑群震害矩阵与基于单体结构分析得到的震害矩阵进行对比,与理论值最大偏差为0.033 3。研究表明：本文构建的集成概率方法能够获得更加合理的城市砌体建筑...     

芦山7.0级地震砌体结构的震害特征

四川芦山7.0级强烈地震影响区域内有大量的砌体结构房屋,既有未采取任何抗震构造措施的非约束砌体结构,也有设置了圈梁和构造柱的约束砌体结构.文中首先简要讨论了本次地震强震动特性,表明其高频成分丰富,反应谱中低频部分衰减较快,是刚性结构和柔性结构地震破坏表现差别较大的原因之一;继而论文重点以现场震害调查资料为基础,总结了不同烈度区、不同类型砌体结构的震害特征;高烈度区不同类型砌体结构的震害程度和破坏比对比表明,约束砌体结构的抗震性能明显优于非约束砌体结构.     

Probabilistic neural networks for seismic damage mechanisms prediction

The procedure commonly employed to assess the seismic vulnerability of buildings uses simplified qualitative and quantitative observations obtained from the measured data entered into report forms. In Italy, the data sheets adopted by the National Defence Group against Earthquakes (Gruppo Nazionale per la Difesa dai Terremoti—GNDT) play a unifying and reference role. This paper proposes a method for the processing of the data contained in such report forms which is based on probabilistic neural networks producing a Bayesian classification. The final goal is to exploit the fundamental learning and generalization capabilities of neural networks to obtain an estimate of the vulnerability of structural systems. In particular, the aim is to be able to predict the damage mechanisms which may be triggered in the macro-elements of public worship buildings. Copyright © 1999 John Wiley & Sons Ltd.     

广州市部分城区地震小区划和震害预测

在特大城市开展地震小区划和震害预测在我国是一次新的尝试。广州密集的建筑物群、到处耸立的高楼大厦、横贯市区的高架路桥和立交桥,是其它中小城市不具有的。海量的数据资源、复杂的空间结构给地震灾害分析、空间数据处理带来了诸多挑战,在数据资料调查收集、分析处理技术、信息系统开发平台等方面要求更高,加深了研究难度。介绍了广州市部分城区地震小区划和震害预测的工作区概况、研究方法和内容及成果特点。     

基于砌体结构破坏损伤的地震烈度物理标准研究

为了研究基于砌体结构破坏的地震烈度物理标准,将15个地震动参数按属性(峰值、频率、持时和能量)分成4类,将地震记录按地震动三要素(峰值、频率、持时)分成3组,求出每组记录作用下砌体结构的延性系数,计算出各个参数值和延性系数的相关系数,比较分析这些相关系数发现地震动峰值加速度、有效峰值加速度、地震动输入能量和滞回耗能都能表征地震动对砌体的破坏势,并且这4个参数都和烈度有很好的相关性,可以作为烈度的物理标准。