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。     

基于ACCRBF网络的多层砖房震害预测

针对传统震害预测方法逐栋抽样计算建筑物抗震性能的不足,本文提出了一种基于蚁群聚类径向基(ACCRBF)网络模型的建筑物震害预测方法。依据不同地震动峰值加速度下多层砖房的实际震害资料,对模型进行训练,在模型的输入和输出之间建立映射关系,并利用这种映射关系对未知样本进行分类,实现对多层砖房的震害分析和预测。模型的输入为反映结构的震害影响因子,输出为给定的地震动峰值加速度下结构震害等级。研究表明,基于ACCRBF网络模型的多层砖房震害预测结果与震害实例基本吻合,具有推广应用价值。     

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。     

多层砖房震害预测的人工神经网络方法及实践

应用云南省最近几次地震中多层砖房的震害实例,构造了多层砖房震害预测的人工神经网络方法,并利用这些数据进行了网络训练.结果表明:这种方法对已训练数据有很好的适应性,但如果要将之应用于震害预测,则尚需积累大量的震害数据,并进行大量的网络试验工作.     

多层砖房震害因子的选择及其与震害程度的灰色关联序分析

应用灰色系统理论，以云南省东川市地震破坏中多层砖房的震害为例，分析计算了多层砖房的震害因子与震害程度的关联度，总结了影响多层砖房震害的主要因素，并对其诸多因素进行了排序。     

多层砖房震害的灰色预测

本文将灰色聚类方法应用于震害预测之中,建立了多层砖房震害预测的灰色模型。通过唐山地震43个实例的预测结果与实际震害的比较,说明了这种预测模型的有效性。     

粗集神经网络在建筑物震害预测中的应用

将粗糙粗集理论和神经网络原理结合起来,建立了基于粗集-神经网络的建筑物震害预测模型.首先运用粗糙集理论,根据原始样本建立决策表进行属性离散化、属性重要性排序、属性约简和分类规则的提取;然后将所提取的关键成分作为神经网络的输入练模型.实例研究表明,基于粗集-神经网络的多层砖房震害预测结果与实际震害基本吻合.该模型简化了神经网络结构,提高了训练速度和分类精度,还能对各因素对房屋震害的影响度进行分析.     

海城市南台镇多层砖房易损性分析

通过对多层砖房的普查和抽样调查取得的原始资料,用多层砖房震害预测方法和软件进行易损性分析,给出重要房屋单体震害预测结果和群体房屋的易损性矩阵．     

基于AdaBoost算法的多层砖房震害影响因素评估

多层砖房是最常用的结构形式之一,对其进行震害预测尤为重要,选择合适的影响因素是震害预测中最重要的环节之一。本文基于AdaBoost算法对多层砖房震害影响因素进行评估,给出影响因素重要度排序,并将结果与灰色关联分析法进行比较。研究发现结构合理性、地震峰值加速度、砖墙面积率和场地条件对多层砖房震害影响最大,因此在多层砖房震害预测中应优先考虑这4个因素,并在结构设计建造过程中予以足够重视。     

基于BP神经网络的有限特征参数砌体结构震害等级推演

详细的建筑结构特征参数是得到合理地震易损性分析结果的基础.本文给出了一种结合已有地震易损性分析成果,在具备有限特征参数的情况下,利用BP神经网络进行单体或群体结构震害等级推演的方法.以陕西省渭南市607栋设防砌体易损性评估结果为样本构建了一个3层BP神经网络模型,并对北京市海淀区近2万栋设防砌体不同地震烈度下的可能破坏...     

基于最优分割的高分辨率遥感影像震害建筑物识别技术

为了提高建筑物震害信息提取的效率与准确度,针对震后高分辨率遥感影像,根据震害建筑物在遥感影像上的特征,以2010年海地M_S7.0地震为例,通过尺度参数估计算法自动选择最优分割尺度对影像进行多尺度分割,并采用面向对象方法对海地高分辨率遥感影像进行建筑物震害信息提取,同时与基于像元的支持向量机、反向传播神经网络、基于分类回归算法的决策树分类方法进行比较。试验结果表明,面向对象的分类方法具有更好的目视效果和更高的分类精度,有利于地震后震害信息的准确提取和快速评估。      

全卷积神经网络在建筑物震害遥感提取中的应用研究

为解决建筑物震害信息提取自动化程度不高的问题,本文将全卷积神经网络应用于建筑物震害遥感信息提取。以玉树地震后获取的玉树县城区0.2m分辨率航空影像作为建筑物震害信息提取试验数据源,将试验区地物划分为倒塌建筑物、未倒塌建筑物和背景3类。对427个500×500像素的子影像进行人工分类与标注,选取393个组成训练样本集,34个用于验证。利用训练样本集对全卷积神经网络进行训练,采用训练后的网络对验证样本进行建筑物震害信息提取及精度评价。研究结果表明:建筑物震害遥感信息提取总体分类精度为82.3%,全卷积神经网络方法能提高信息提取自动化程度,具有较好的建筑物震害信息提取能力。     

地震应急信息自动分类方法研究

地震应急信息的高效处理为地震应急救援工作提供了重要支撑。本文根据地震应急信息分类的需求,构建了一种高效便捷的地震信息分类处理方法。以震前、震时、震后为时间主线,将地震应急信息分为震前基础背景信息、地震震情灾情信息及震后应急救援信息,并采用“关键词分类”的方法,在计算机语言的支持下,将多渠道汇集的应急信息进行自动分类,在一定程度上缩短了应急信息加工处理与服务的时间,能快速高效地为应急指挥提供信息服务。     

A neural network approach for structural identification and diagnosis of a building from seismic response data

This work presents a novel procedure for identifying the dynamic characteristics of a building and diagnosing whether the building has been damaged by earthquakes, using a back‐propagation neural network approach. The dynamic characteristics are directly evaluated from the weighting matrices of the neural network trained by observed acceleration responses and input base excitations. Whether the building is damaged under a large earthquake is assessed by comparing the modal parameters and responses for this large earthquake with those for a small earthquake that has not caused this building any damage. The feasibility of the approach is demonstrated through processing the dynamic responses of a five‐storey steel frame, subjected to different strengths of the Kobe earthquake, in shaking table tests. Copyright © 2002 John Wiley & Sons, Ltd.     

多尺度分割和深度学习相结合的倾斜摄影三维影像建筑物震害信息提取

采用多尺度分割和深度学习相结合的方法对震后倾斜摄影三维影像建筑物震害信息进行提取,获取建筑物的屋顶和墙体多种破坏信息。以2017年九寨沟M_S7.0地震后倾斜摄影三维影像为例,依据三维影像建筑物顶面和墙体等进行样本的多尺度分割,样本分为完好建筑物面、破坏建筑物面、其它地物和背景等三类,选取211个100×100像素的样本集对卷积神经网络模型进行训练,采用训练后的模型提取灾区千古情风景区和漳扎镇小学的建筑物震害信息,并将提取结果与目视解译结果进行精度对比,结果显示:破坏建筑物面提取精度分别为65.5%和71.1%,总体分类精度分别为82.1%和84.1%,卡帕（Kappa）系数分别为68.7%和64.9%,表明该方法在倾斜摄影三维影像建筑物震害提取方面具有一定的优势。      

基于VC++的梁式桥震害评估软件

震后桥梁结构震害快速评估能够为地震应急救援提供重要参考信息,对减灾工作具有重要价值。为了快速准确地评估遭受地震影响梁式桥的破坏状态,使梁式桥震害评估方法在地震应急中发挥更大作用,基于统计回归模型、神经网络模型和推断模型等三种梁式桥震害评估模型,采用VC++6.0及Access2003数据库软件开发了有关评估软件,并以桥梁震害资料为算例验证了软件的可靠性。     

基于无人机倾斜影像的三维建筑物震害精细信息提取

无人机倾斜摄影技术建模生成的三维影像较好地展现了建筑物侧面和顶面的震害细节信息,然而影像的高维度特性难以直接基于三维影像提取震害信息,经过降低维度转换的二维纹理影像往往会导致建筑物震害信息的不完整性和破碎性。针对这些问题,本文以2017年九寨沟M_S7.0地震为例,提出了一种直接从九寨沟震后三维影像获取侧面纹理信息的方法,即将三维模型打散,实现纹理与不规则三角网分离,从而获取完整的纹理影像,然后利用金字塔模型的瓦片坐标范围、瓦片命名规则和建筑物单体的空间位置选取最优纹理影像,再使用加权均值方差法确定纹理影像中建筑物的外墙最佳分割尺度后,采用面向对象方法提取建筑物外墙和墙皮脱落信息,最后通过对这些建筑物震害特征的分析,判定单体建筑物的破坏等级。结果显示,该方法成功获取了建筑物完整的侧面震害纹理影像,并基于纹理影像提取了外墙、裂缝和墙皮脱落区域信息判定建筑物单体为中等、严重两个破坏等级。      

基于深度学习的倾斜摄影建筑物表面损毁信息提取

建筑物受损信息是地震受灾程度评估的基础,针对传统建筑物表面信息识别人工成本高、效率低等问题,受深度学习提取建筑物影像的启发,提出利用无人机倾斜摄影模型与深度学习相结合的方法提取震后建筑物表面破损信息。以2019年长宁6.0级地震为例,选用双河镇震后倾斜摄影模型切片图为数据源,对比分析面向对象分类方法、VGG-16模型和DeeplabV3+模型对建筑物表面损毁信息的提取结果。分析结果表明,针对建筑物表面破损信息的提取,尤其是细小裂缝的提取,语义分割网络DeeplabV3+模型具有较强的优势(准确率96.93%、召回率96.85%、总体精度96.89%),可实现建筑物表面破损信息的有效提取,具有较强的应用价值。