[发明专利]一种基于神经网络的框剪结构倒塌面积快速评估方法

权利要求书

1.一种基于神经网络的框剪结构倒塌面积快速评估方法，其特征在于，包括：

1)数值模型建立：根据常见建筑结构形式和典型工况位置，确定典型框剪结构的平面布置形式，结合《混凝土结构设计规范》和《建筑抗震设计规范》对基本设计参数，即层高、恒活载、地震信息和风荷载信息进行确定；针对不同关键参数，即抗震设防烈度、楼层层数和结构跨度对框剪结构进行配筋设计，根据设计结果，在MSC.Marc有限元软件中建立多个整体结构数值模型；

2)倒塌破坏部位确定：根据竖向构件承担荷载面积和周边构件约束水平的不同，分别划分为角部墙、内部墙、短边柱、长边柱和内部柱五种不同的初始破坏位置，并设定1～4个失效竖向构件作为失效场景，采用非线性动力拆除构件法开展整体结构连续倒塌数值模型模拟，获取整体结构在局部结构失效后的动力响应；

3)倒塌判别准则：以竖向位移超过跨度的1/5和水平向位移超过层高的1/20作为倒塌判据，并考虑上部结构倒塌的堆载作用，认为上部结构倒塌后，对应位置的下部结构也发生倒塌破坏；

4)训练集和验证集数据统计：基于步骤3)的倒塌判别准则，对步骤2)中得到的整体结构连续倒塌数值模拟计算结果进行倒塌面积分析，统计关键参数和结构单层倒塌破坏面积；

5)选择的神经网络模型为全连接神经网络，分为输入层、隐藏层和输出层三个部分；其中输入层包括破坏构件平面位置、破坏构件数量、抗震设防烈度、楼层层数、单跨跨度、破坏构件所在层数共计6个神经元节点,采用tanh函数作为输入层的激活函数；选取神经网络模型的隐藏层为2层，各隐藏层节点数分别为30个和60个；最后一层为输出层，仅包含结构倒塌面积一个输出节点；选取均方误差作为神经网络的损失函数，其中y_k代表神经网络的输出，t_k代表监督数据，k代表数据的维数；神经网络的训练采用反向传播方法，当实际输出与目标输出不一致时，则计算出每个节点的误差项，通过误差项对各节点的权重进行修正；将步骤4)中所得的结构倒塌数据作为训练集对神经网络模型进行训练；

6)在步骤5)中，采用一个二维数组来储存单个破坏位置下的样本数据，训练时，采用随机算法挑选出70％的数据作为训练集，剩下30％作为测试集，用于验证神经网络模型的预测精度；

7)验证精度满足要求后，即认为该神经网络模型可以用于快速计算该倒塌破坏部位引起的倒塌面积；重复步骤6)，直至得到所有倒塌破坏位置的倒塌评估模型及其对应权重参数；

8)选择目标建筑，并得到对应的抗震设防烈度、楼层层数、单跨跨度；确定结构初始破坏平面位置、破坏构件所在层数以及破坏构件数量；将上述信息作为输入参数，通过训练好的神经网络对建筑结构倒塌破坏面积进行预测。

2.根据权利要求1所述的一种基于神经网络的框剪结构倒塌面积快速评估方法，其特征在于：在步骤1)中对典型框剪结构的平面布置形式进行了确定。

3.根据权利要求1所述的一种基于神经网络的框剪结构倒塌面积快速评估方法，其特征在于，在步骤5)中，以抗震设防烈度、楼层层数、单跨跨度、破坏构件所在层数和破坏构件数量作为输入，采用全连接神经网络评估结构倒塌破坏面积。