基于优化神经网络的多层钢筋混凝土结构地震响应预测

发布时间：2022-01-10 19:29

　　结构地震响应分析与预测是结构工程以及工程抗震防灾的一个重要课题,地震响应传统的计算方法是时程分析,但该方法存在着分析复杂、计算时间长等缺陷,故在结构主动控制、结构危险预警等方面并不适用,为此,寻找性能更优越的计算模型显得尤为必要。近年来,深度学习等机器学习方法研究越来越深入,且计算数据的增多为机器学习等方法的应用创造了前提条件。本文对国内外利用神经网络等机器学习方法的研究成果进行了调研,并结合调研成果,提出了地震响应的静态极值指标预测模型和响应时程曲线预测模型。本文主要包括以下几部分内容:1.进行了8层钢筋混凝土框架结构的设计,利用OPENSEES有限元软件进行计算,并对结构的基本情况、地震动记录的选用方式以及有限元的计算成果进行了简要的说明,在有限元计算结果的基础上生成后续预测模型使用的数据集,并进行数据预处理等工作,为后续预测模型的训练和预测提供了数据支持。2.对XGBOOST等机器学习方法进行了简要的介绍,并且采用XGBOOST为底层原理建立了结构地震响应静态极值指标预测模型（最大顶点位移、最大层间位移角、最大基底剪力）,对其预测结果和性能进行了说明;同时对LSTM等时间序列神经... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：110 页

【学位级别】：硕士

【部分图文】：

结构标准层平面布置图

结构侧立面布置图

标准层梁上线荷载布置图（kN/m）

【参考文献】：
期刊论文
[1]利用GRU神经网络预测横波速度[J]. 孙宇航,刘洋.  石油地球物理勘探. 2020(03)
[2]深度神经网络解释方法综述[J]. 苏炯铭,刘鸿福,项凤涛,吴建宅,袁兴生.  计算机工程. 2020(09)
[3]如何有效构建地震多发地区地质灾害防灾减灾体系[J]. 张瑜.  绿色环保建材. 2020(06)
[4]基于迭代训练和集成学习的图像分类方法[J]. 罗会兰,易慧.  计算机工程与设计. 2020(05)
[5]基于溶解氡数据和长短期记忆网络的地震预报[J]. 刘海军,单维锋,耿贵珍.  科学技术与工程. 2020(10)
[6]使用XGBoost识别时间序列中的结构[J]. 曲昊.  九江职业技术学院学报. 2019(03)
[7]注意力机制在深度学习中的研究进展[J]. 朱张莉,饶元,吴渊,祁江楠,张钰.  中文信息学报. 2019(06)
[8]基于双记忆注意力的方面级别情感分类模型[J]. 曾义夫,蓝天,吴祖峰,刘峤.  计算机学报. 2019(08)
[9]基于机器学习Xgboost模型解决商店商品销量预测的问题[J]. 赵一安.  通讯世界. 2018(11)
[10]基于XGBoost的信用风险分析的研究[J]. 赵天傲,郑山红,李万龙,刘凯.  软件工程. 2018(06)



本文编号：3581287