[发明专利]一种基于机器学习的建筑抗震韧性快速评估方法及系统

权利要求书

1.一种基于机器学习的建筑抗震韧性快速评估方法，其特征在于，所述方法包括：

获取待评估建筑的建筑设计模型、结构设计模型、地理位置信息以及地质条件信息；

根据所述地理位置信息和所述地质条件信息，提取所述待评估建筑的地震危险性特征；

根据所述建筑设计模型，提取所述待评估建筑的建筑设计特征；

根据所述结构设计模型，提取所述待评估建筑的结构设计特征；

将所述待评估建筑的地震危险性特征、建筑设计特征和结构设计特征输入到训练好的建筑抗震韧性评估模型中，输出韧性评估结果；所述训练好的建筑抗震韧性评估模型为以建筑的地震危险性特征、建筑设计特征和结构设计特征为输入，以建筑对应的韧性评估结果为输出训练得到的用于评估建筑抗震韧性指标的机器学习模型。

2.根据权利要求1所述的基于机器学习的建筑抗震韧性快速评估方法，其特征在于，所述地震危险性特征包括设计基本地震加速度和设计特征周期。

3.根据权利要求2所述的基于机器学习的建筑抗震韧性快速评估方法，其特征在于，所述根据所述地理位置信息和所述地质条件信息，提取所述待评估建筑的地震危险性特征，具体包括：

获取所述待评估建筑所处建筑场地的经纬度信息，并查询地震动参数区划图，获得所述待评估建筑的建筑场地对应的基本地震动峰值加速度值和基本地震动加速度反应谱特征周期值；

根据基本地震动峰值加速度值和基本地震动加速度反应谱特征周期值，确定所述待评估建筑的设计基本地震加速度和设计地震分组；

根据所述待评估建筑所处建筑场地对应的地质勘察报告，获得所述待评估建筑的建筑场地的土层等效剪切波速和场地覆盖层厚度；

根据土层等效剪切波速和场地覆盖层厚度，确定所述待评估建筑的场地类别；

根据设计地震分组和场地类别，确定所述待评估建筑的设计特征周期。

4.根据权利要求1所述的基于机器学习的建筑抗震韧性快速评估方法，其特征在于，所述建筑设计特征包括建筑类别和建筑层数。

5.根据权利要求4所述的基于机器学习的建筑抗震韧性快速评估方法，其特征在于，所述根据所述建筑设计模型，提取所述待评估建筑的建筑设计特征，具体包括：

根据所述待评估建筑的建筑设计模型的基本参数，确定所述待评估建筑的建筑类别和建筑层数。

6.根据权利要求1所述的基于机器学习的建筑抗震韧性快速评估方法，其特征在于，所述结构设计特征包括结构材料与抗侧力体系、结构周期系数、结构屈服强度系数、结构极限强度系数和延性系数。

7.根据权利要求6所述的基于机器学习的建筑抗震韧性快速评估方法，其特征在于，所述根据所述结构设计模型，提取所述待评估建筑的结构设计特征，具体包括：

根据所述待评估建筑的结构设计模型的基本参数，确定所述待评估建筑的构件材料与抗侧力体系以及构件材料、截面尺寸、楼层重力荷载代表值；

根据构件材料和截面尺寸，获得楼层抗侧刚度；

根据楼层重力荷载代表值，确定楼层地震质量；

对楼层地震质量和楼层抗侧刚度进行特征值分析，获得结构基本自振周期；

计算结构基本自振周期与所述待评估建筑的建筑层数的比值，得到结构周期系数；

根据构件材料和截面尺寸，获得楼层屈服强度；

采用底部剪力法或振型分解反应谱法计算得到所述待评估建筑的地震层剪力；

计算楼层屈服强度与地震层剪力的比值，得到结构屈服强度系数；

对所述待评估建筑的结构设计模型进行静力弹塑性分析，确定极限强度、结构峰值强度对应位移以及楼层屈服强度对应位移；

计算极限强度与楼层屈服强度的比值，得到结构极限强度系数；

计算结构峰值强度对应位移与楼层屈服强度对应位移的比值，得到延性系数。

8.根据权利要求1所述的基于机器学习的建筑抗震韧性快速评估方法，其特征在于，所述韧性评估结果包括所述待评估建筑倒塌后的人员伤亡、经济损失、恢复时间的韧性指标。

9.一种基于机器学习的建筑抗震韧性快速评估系统，其特征在于，所述系统包括：

待评估建筑信息获取模块，用于获取待评估建筑的建筑设计模型、结构设计模型、地理位置信息以及地质条件信息；

地震危险性特征提取模块，用于根据所述地理位置信息和所述地质条件信息，提取所述待评估建筑的地震危险性特征；

建筑设计特征提取模块，用于根据所述建筑设计模型，提取所述待评估建筑的建筑设计特征；

结构设计特征提取模块，用于根据所述结构设计模型，提取所述待评估建筑的结构设计特征；

建筑抗震韧性评估模块，用于将所述待评估建筑的地震危险性特征、建筑设计特征和结构设计特征输入到训练好的建筑抗震韧性评估模型中，输出韧性评估结果；所述训练好的建筑抗震韧性评估模型为以建筑的地震危险性特征、建筑设计特征和结构设计特征为输入，以建筑对应的韧性评估结果为输出训练得到的用于评估建筑抗震韧性指标的机器学习模型。