电力系统地震灾害分析

针对电力系统在历次地震中坡坏的状态,通过对主要高压电气设备,高压变站电气主接线系统,变电站系统以及电力网络系统的抗震可靠性分析计算,对电力系统地震灾害的特点进行了分析。在此基础之上,提出了提高电力系统抗震可靠性的措施和建议。     

四川兴文5.7级地震烈度评定及结构震害简析

四川兴文5.7级地震共致宜宾市兴文县、珙县和长宁县3个县22个乡镇受灾,震区抗震设防烈度为Ⅵ度。震区主要建筑物结构类型为框架结构、砖混结构、砖木结构和土木结构,大多数房屋没有经过抗震设防加固,抗震性能一般。通过对震区3个县68个抽样点的调查,发现框架结构和设防砖混结构在此次地震中表现出了良好的抗震性能。同时对不同结构类型房屋的构造方式、分布情况和震害特点进行了分析,并针对不同的震害特征,为今后该地区的灾后恢复重建和防震减灾工作提出了对策建议。     

灾害损失宏观预测模型震后快速评估

基于GDP宏观易损性分析方法,是从全球尺度地震灾害损失过程中发展起来的,本文在真实震例的基础上,运用宏观易损性分析方法,分别计算科考影响场与经验影响场的震后经济损失,与实际震害评估结果进行对比,初步验证该方法在省级区域震后经济损失快速评估中的可用性.     

基于波动理论的结构损伤识别研究进展

目前人们对于结构的使用安全越来越重视,结构在日常使用或灾后的损伤识别检测也变得尤为重要。近年来国内外对于波在结构中的传播理论进行了深入研究,基于波动理论的结构损伤识别方法也取得了一定进展。文章首先介绍波在介质中的传播以及在各种类型结构中的传播规律和传播特性,其次从基于波传播理论的结构损伤识别、基于Lamb波的结构损伤识别、波动理论和神经网络相结合、波动理论与其他技术或算法的融合4个方面对国内外基于波动理论对结构损伤识别方法的研究成果进行综述。     

基于网络的山东地震灾情收集分析处理系统

本系统借助网络资源,把人们对地震的感觉、看到建筑物震害程度、以及地表破坏和生命线破坏现象迅速地收集、处理和分析,这样可以快速验证和修正地震应急指挥系统基于地震应急数据库给出的地震影响和灾情评估结果,为地震的应急指挥决策提供更可靠的基础.并阐述了主要基于J2EE体系结构的灾情收集分析处理系统的基本构架,介绍了适用于该系统的关键技术,同时给出在ORACLE、Weblogic和WebGIS平台上的C/S及B/S实现的解决方案.     

苏通大桥结构健康状态评估技术研究与应用（1）：拉索损伤识别

采用改进的RBF神经网络建立了苏通大桥拉索损伤识别方法。2个不同阶固有频率之比是仅与损伤位置有关的结构振动参数,据此定义了用于损伤定位的损伤特征指标,并用其来训练神经网络;提出了基于R＋^2准则与Jackknife校验的改进RBF算法,以有效地控制RBF网络的过拟合现象。算例结果表明,所提出的方法可以较好地对苏通大桥斜拉索进行损伤识别。     

地震灾害损失的分级评估

破坏性地震发生后,需要快速判断这次地震的人员伤亡和经济损失情况。根据对地震灾害损失评估的不同要求,本文将地震灾害损失分为四个级别评估。Ⅰ、Ⅱ级评估属非现场评估,所需时间较短,其结果可初步判断震灾规模;Ⅲ、Ⅳ经评估为现场评估,结果准确,可作为震后救灾的依据,这样使得震害损失评估时间满足要求,结果科学准确,从而更好地为政府部门提供抗震救灾依据。     

基于BP神经网络的空间索杆结构节点损伤识别研究

针对某实际空间索杆结构的节点损伤现象,采用BP神经网络与基于振动的损伤识别两步法对其进行了识别研究,即首先确定可能发生节点损伤的子区域,在此基础上利用对应子区域的子网络识别出具体的损伤位置和程度。识别过程中采用两个杆单元模拟发生节点损伤的杆件,用抗弯刚度降低的端部短杆单元模拟节点损伤。研究表明,虽然空间索杆结构的动力性能较为复杂,但基于结构固有频率和模态位移的组合指标对节点损伤仍较为敏感,利用它们进行节点损伤识别是有效的。     

基于BP神经网络的空间索杆结构承重索损伤识别研究

针对某实际空间索杆结构的承重索预应力松弛现象,采用BP神经网络与基于振动的损伤识别方法,分别对单榀承重索和双榀承重索的预应力松弛进行了识别研究。研究表明,虽然空间索杆结构的动力性能较为复杂,但归一化后的结构前10阶固有频率变化比和归一化后的对应结构第一阶模态的部分节点的损伤信号指标对承重索的损伤位置较为敏感,利用其进行损伤定位是可行的。在此基础上,再增加考虑结构的第一阶同有频率平方变化比即可进一步有效识别出承重索的损伤程度。     

基于遥感震害指数的尼泊尔地震综合烈度评估研究

2015年4月25日在尼泊尔廓尔喀县发生的8.1级地震及后续强烈余震,造成尼泊尔北部严重的人员伤亡和财产损失,灾区建筑物倒塌损失严重。本文利用现场震害调查资料和高分卫星遥感影像,开展建筑物震害遥感解译,得到各个遥感解译点的遥感震害指数,结合现场调查点评估的烈度拟合了遥感震害指数-实际震害指数转换关系,再根据遥感震害指数估计了全部解译点的震害指数及地震烈度。估计的烈度与现场调查结果对比显示出较好的一致性,研究结果为该地区今后发生地震提供了可借鉴的遥感评估震害指数转换模型。     

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CNN的地震前兆台网观测数据异常图像识别方法

地震前兆台网观测数据异常图像识别方法一直是地震监测预报人员研究的重要课题.为提高异常图像识别的工作效率,充分利用已有的异常图像识别经验知识,开展基于卷积神经网络(CNN)的快速异常识别方法探索性研究.结果表明:基于CNN的异常图像识别方法准确率较高,实现了异常图像的快速识别.整个台网的异常图像丰富多样,影响较多.由于特...     

The medium- and short-term prediction methods of strong earthquakes based on neural network

Ｔｈｅｍｅｄｉｕｍ┐ａｎｄｓｈｏｒｔ┐ｔｅｒｍｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｓｏｆｓｔｒｏｎｇｅａｒｔｈｑｕａｋｅｓｂａｓｅｄｏｎｎｅｕ┐ｒａｌｎｅｔｗｏｒｋＺＨＩ－ＱＩＡＮＧＨＡＮ（韩志强）ＢＩ－ＱＵＡＮＷＡＮＧ（王碧泉）Ｉｎｓｔｉｔｕｔｅｏｆ...     

基于改进遗传算法优化BP神经网络的单体建筑物震害评估方法

结合机器学习算法最新研究进展,提出一种基于改进遗传算法优化BP神经网络的单体建筑物震害评估方法。以四川地区为例,通过改进遗传算法优化BP神经网络建立评估模型,输出评估区域内不同结构类型单体建筑物在各震害影响因素综合作用下的破坏等级,并通过实际算例分析对模型的有效性进行验证。结果表明,该方法可快速、准确地评估单体建筑物震害情况。     

应用人工神经元网络方法识别近震与远震

利用人工神经元网络方法,提出了一种在实时系统中识别近震与远震的算法,并用广东省台网记录的地震波形数据进行训练和测试。结果表明,该算法能准确可靠地识别远、近震,可以应用于台网的实时处理系统。     

基于相关函数和卷积神经网络的结构损伤识别

为了改善基于振动信号的结构损伤识别效果,提出一种基于相关函数和卷积神经网络相结合的结构损伤识别方法.以一铁路钢梁桥结构为例,首先通过对结构的振动响应进行自相关运算来提高振动信号的信噪比,再使用自相关样本作为卷积神经网络(convolutional neural network,CNN)的输入可以显著提高其识别精度,且当振动信号中的噪声水平越高时,自相关样本作为CNN输入的识别精度的提升效果越明显,且自相关运算具有比快速傅里叶变换(fast Fourier transform,FFT)更强的抗噪性.使用互相关函数对结构上布置的多传感器的数据进行融合,再将融合后的信号作为CNN的输入,互相关在对 2 个传感器数据特征有效融合的前提下可以成倍地削减数据集的维度,减少网络运算的参数量,从而减少用时提高训练效率,且互相关样本作为网络输入同样具有较高的识别精度和较强的抗噪性.     

基于GIS的建筑物震害预测系统的开发与应用

以上海市浦东新区潍坊街道为实验区,基于Arc GIS软件平台,开发了建筑物震害预测系统。该系统分为3个组件:震害矩阵统计工具、震害预测工具箱、建造年代及震害结果赋值工具,将建筑物的属性数据、建筑物易损性模型和震害预测结果嵌入GIS平台,实现了震害预测的批量化和自动化,以及预测结果的交互可视化。另外还将开发的建筑物震害预测系统应用于实验区,所得结论与以前项目研究成果对比一致,验证了该系统的可靠性,得出的震害预测结果,可以辅助城市抗震防灾规划的决策。     

基于自训练半监督神经网络的结构损伤识别

为解决结构损伤识别中标签样本不足的问题,提出一种基于自训练半监督神经网络(self-training semi-supervised neural networks, SSNN)的结构损伤识别框架,该框架利用自训练半监督方法对多层感知机(multilayer perceptron, MLP)神经网络进行训练,从无标签样本中挑选置信度高的样本标注伪标签,扩大样本训练集,并采用归一化频率变化率和损伤特征指数作为输入特征,用于识别结构损伤。首先,介绍自训练半监督学习的基本理论和方法;其次,从神经网络构建、损伤特征提取、分类器评估等方面,给出结构损伤识别流程;最后,通过空间桁架的数值案例及3层框架的试验数据,验证所提出的损伤识别方法。结果表明：自训练半监督学习能够从无标签样本中选取置信度较高的样本,为损伤识别提供更充足的有标签样本;在标记样本不足的条件下,SSNN比MLP神经网络的损伤识别效果更好;相较于MLP神经网络,SSNN在单一位置损伤工况下,识别准确率提升约4%,2个位置损伤识别准确率提升约9%。