地震响应预测模型训练及预测方法、系统、设备及介质技术方案

本发明专利技术涉及一种地震响应预测模型训练及预测方法、系统、设备及介质，其中训练方法包括：获取地震动样本集和结构模型样本集；利用地震动样本集中的地震动记录，对结构模型样本集中的结构模型进行弹塑性时程分析，得到结构模型在地震动记录下的响应；根据结构模型在地震动记录下的响应、对应的地震动记录和对应结构模型的结构特征，建立时序数据库；将时序数据库作为输入数据，以时序数据库中的初始响应、对应的初始段地震动记录和对应结构模型的结构特征训练启动模型，以时序数据库中的后续响应、对应的后续段地震动记录和对应结构模型的结构特征训练递推模型。本发明专利技术解决了不能一个预测模型预测不同结构地震时程响应的问题。个预测模型预测不同结构地震时程响应的问题。个预测模型预测不同结构地震时程响应的问题。

【技术实现步骤摘要】
地震响应预测模型训练及预测方法、系统、设备及介质


[0001]本专利技术涉及建筑结构地震响应预测
，更具体地，涉及一种地震响应预测模型训练及预测方法、系统、设备及介质。

技术介绍

[0002]我国是地震频发地区，结构的震害会造成严重的人员伤亡和巨大的经济损失。因此，准确预测结构在地震来临时的响应及结构的损坏情况是结构震害预测工作的重点。目前结构响应的获得主要通过建立精细化的有限元模型进行静力或动力弹塑性分析，国内外也逐渐形成了趋于完善的基于性能的抗震设计方法。然而，无论是精细的有限元模型还是以宏观单元为基础的有限元模型，都需要经过复杂的建模阶段和耗时巨大的计算过程。
[0003]随着机器学习的不断发展，近十年来大量学者开始研究基于机器学习的结构震损预测。目前主流的预测方法是将结构参数和地震动参数作为输入，把结构的震损指标作为输出。常用的算法如神经网络中的多层感知机、随机森林、支持向量机等。但是，此方法最大的缺陷是由于算法模型的缺陷，模型只能用于结构静态指标的预测，如最大层间位移角、基底剪力，而无法预测结构的动态反应过程。再者，通过建立地震动参数与结构响应指标之间的映射关系时，需要选定合理的输入参数，且选定的参数数量会对数据库的规模造成指数性的影响。因此由于结构和地震动的多样性，这种基于数据驱动的预测模型难以具有较高的普适性。
[0004]传统的时序预测方法用于结构时程响应预测时，难以预测弹塑性非线性问题。近两年来循环神经网络(Recurrent neural network，RNN)的不断发展，为预测结构的动态响应提供了可能，而长短期记忆(Long
‑
Short Time Memory，LSTM)网络，作为RNN的一个变体，能够较好地改善原网络梯度消失和梯度爆炸等问题，因此被广泛使用于序列预测中。结构从弹性到弹塑性发展的过程，存在着一个递推的关系，因此响应历史对未来的响应是必然存在相关性的。LSTM网络通过历史时序数据作为输入，以此学习非线性变化关系，其运算过程可以类比Newmark
‑
β法，比传统的前馈神经网络更加符合人的认知过程。因此，通过LSTM网络预测结构地震响应，一定程度上赋予了神经网络认知能力，使其不再处于“黑箱”阶段。
[0005]然而，现有的利用LSTM网络预测结构响应的研究存在一定局限：学者只围绕一个特定的结构建立时序数据库，用较为单一的网络结构搭建预测模型，因此预测模型也只能针对一个结构，无法推广到不同的结构。这种缺陷无法令结构时序预测实现真正的便利。

技术实现思路

[0006]本专利技术旨在克服上述现有技术的至少一种缺陷(不足)，提供一种地震响应预测模型训练及预测方法、系统、设备及介质，用于解决不能一个预测模型预测不同结构地震时程响应的问题。
[0007]本专利技术采取的技术方案是：
[0008]第一方面，本专利技术提供一种地震响应预测模型训练方法，包括：
[0009]获取地震动样本集和结构模型样本集，所述地震动样本集包括若干个不同的地震动记录，所述结构模型样本集包括若干个不同的结构模型；
[0010]利用所述地震动样本集中的地震动记录，对所述结构模型样本集中的结构模型进行弹塑性时程分析，得到所述结构模型在所述地震动记录下的时程响应；
[0011]根据所述结构模型在所述地震动记录下的时程响应、对应的所述地震动记录和对应所述结构模型的结构特征，建立时序数据库；
[0012]所述地震动记录包括初始段地震动记录和后续段地震动记录；所述时程响应包括所述结构模型在所述初始段地震动记录下的初始响应和在所述后续段地震动记录下的后续响应；
[0013]将所述时序数据库作为输入数据，以所述时序数据库中的所述初始响应、对应的所述初始段地震动记录和对应所述结构模型的结构特征训练启动模型，以所述时序数据库中的所述后续响应、对应的所述后续段地震动记录和对应所述结构模型的结构特征训练递推模型，所述启动模型和所述递推模型依次串联后用于预测待预测结构在待预测地震动下的时程响应。
[0014]可选地，获取地震动样本集，包括：
[0015]获取若干个不同地震波；
[0016]对所述地震波按照最大幅值调幅到峰值地面加速度值进行调幅；
[0017]将调幅后的所述地震波转化为弹性加速度谱；
[0018]采用聚类算法对所述弹性加速度谱进行聚类，形成若干个集群；
[0019]根据所述集群的数量按比例抽取若干个弹性加速度谱作为地震动样本集的地震动记录。
[0020]可选地，利用所述地震动样本集中的地震动记录，对所述结构模型样本集中的结构模型进行弹塑性时程分析，包括：
[0021]将所述结构模型样本集中的结构模型简化为多质点层剪切模型；
[0022]利用所述地震动样本集中的地震动记录，对简化后的所述结构模型进行弹塑性分析。
[0023]可选地，根据所述结构模型在所述地震动记录下的时程响应、对应的所述地震动记录和对应所述结构模型的结构特征，建立时序数据库，包括：
[0024]将所述结构模型在所述地震动记录下的时程响应和对应的所述地震动记录，以滑动窗口算法划分成若干个子序列；
[0025]将所述子序列和所述子序列分别对应的所述结构模型的结构特征，编码成TFRecord数据格式，形成时序数据库，所述结构特征包括所述结构模型的长、宽、高。
[0026]可选地，所述启动模型和所述递推模型采用LSTM网络的序列到序列结构。
[0027]第二方面，本专利技术提供一种地震响应预测方法，包括：
[0028]将待预测地震动划分为多段地震动子序列；
[0029]将待预测结构的结构特征和第一段地震动子序列输入采用如第一方面所述的地震响应预测模型训练方法训练出的启动模型，得到所述待预测结构在所述待预测地震动下的第一段结构响应；
[0030]将所述结构特征、第一段结构响应和第一段、第二段地震动子序列输入采用如第
一方面所述的地震响应预测模型训练方法训练出的递推模型，得到所述待预测结构在所述待预测地震动下的第二段结构响应；
[0031]将第二段结构响应作为当前段结构响应、将第二段地震动子序列作为当前段地震动子序列，继续将所述结构特征、当前段结构响应和当前段、当前段的下一段地震动子序列输入所述递推模型，得到所述待预测结构在所述待预测地震动下的下一段结构响应，直至没有下一段地震动子序列为止，以预测出所述待预测结构在所述待预测地震动下的整段时程响应。
[0032]第三方面，本专利技术提供一种地震响应预测模型训练系统，包括；
[0033]样本集获取模块，用于获取地震动样本集和结构模型样本集，所述地震动样本集包括若干个不同的地震动记录，所述结构模型样本集包括若干个不同的结构模型；
[0034]时程分析模块，用于利用所述地震动样本集中的地震动记录，对所述结构模型样本集中的结构模型进行弹塑性时程分析，得到所述结构模型在所述地震动记录下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地震响应预测模型训练方法，其特征在于，包括：获取地震动样本集和结构模型样本集，所述地震动样本集包括若干个不同的地震动记录，所述结构模型样本集包括若干个不同的结构模型；利用所述地震动样本集中的地震动记录，对所述结构模型样本集中的结构模型进行弹塑性时程分析，得到所述结构模型在所述地震动记录下的时程响应；根据所述结构模型在所述地震动记录下的时程响应、对应的所述地震动记录和对应所述结构模型的结构特征，建立时序数据库；所述地震动记录包括初始段地震动记录和后续段地震动记录；所述时程响应包括所述结构模型在所述初始段地震动记录下的初始响应和在所述后续段地震动记录下的后续响应；将所述时序数据库作为输入数据，以所述时序数据库中的所述初始响应、对应的所述初始段地震动记录和对应所述结构模型的结构特征训练启动模型，以所述时序数据库中的所述后续响应、对应的所述后续段地震动记录和对应所述结构模型的结构特征训练递推模型，所述启动模型和所述递推模型依次串联后用于预测待预测结构在待预测地震动下的时程响应。2.根据权利要求1所述的地震响应预测模型训练方法，其特征在于，获取地震动样本集，包括：获取若干个不同地震波；对所述地震波按照最大幅值调幅到峰值地面加速度值进行调幅；将调幅后的所述地震波转化为弹性加速度谱；采用聚类算法对所述弹性加速度谱进行聚类，形成若干个集群；根据所述集群的数量按比例抽取若干个弹性加速度谱作为地震动样本集的地震动记录。3.根据权利要求1所述的地震响应预测模型训练方法，其特征在于，利用所述地震动样本集中的地震动记录，对所述结构模型样本集中的结构模型进行弹塑性时程分析，包括：将所述结构模型样本集中的结构模型简化为多质点层剪切模型；利用所述地震动样本集中的地震动记录，对简化后的所述结构模型进行弹塑性分析。4.根据权利要求3所述的地震响应预测模型训练方法，其特征在于，根据所述结构模型在所述地震动记录下的时程响应、对应的所述地震动记录和对应所述结构模型的结构特征，建立时序数据库，包括：将所述结构模型在所述地震动记录下的时程响应和对应的所述地震动记录，以滑动窗口算法划分成若干个子序列；将所述子序列和所述子序列分别对应的所述结构模型的结构特征，编码成TFRecord数据格式，形成时序数据库，所述结构特征包括所述结构模型的长、宽、高。5.根据权利要求1至4任一项所述的地震响应预测模型训练方法，其特征在于，所述启动模型和所述递推模型采用LSTM网络的序列到序列结构。6.一种地震响应预测方法，其特征在于，包括：将待预测地震动划分为多段地震动子序列；将待预测结构的结构特征和第一段地震动子序列输入采用如权利要求1至5任一项所
述的地震响应预测模型训练方法训练出的启动模型，得到所述待预测结构在所述待预测地震动下的第一段结构响应；将所述结构特征、第一段结构响应和第一段、第二段地震动子序列输入采用如权利要求1至5任一项所述的地震响应预测模型训练方法训练出的递推模型，得到所述待预测结构在所述待预测...

【专利技术属性】
技术研发人员：韩小雷，蔡燕飞，吴梓楠，季静，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：