(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221093171 1.5 (22)申请日 2022.08.04 (71)申请人 中国矿业大 学 地址 221000 江苏省徐州市大 学路1号中国 矿业大学 （南湖校区） (72)发明人 郑晓伟　张营营　吕恒林　尹世平　 (74)专利代理 机构 辽宁鸿文知识产权代理有限 公司 21102 专利代理师 许明章　王海波 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/23(2020.01) G06N 3/06(2006.01) G06N 3/08(2006.01) G06Q 50/08(2012.01) (54)发明名称 贝叶斯-神经网络高层建筑地震需求与易损 性预测方法 (57)摘要 本发明属于超高层建筑的地震需求分析与 结构抗震性能评估领域， 提供了一种贝 叶斯‑神 经网络高层建筑地震需求与易损性预测方法。 本 发明提供的基于神经网络技术的高层建筑地震 响应快速 预测模型， 可以极大减少非线性动力时 程分析的工作量。 对于同一类超高层建筑， 只需 输入结构的材料特性、 结构特性和地震动强度即 可估算结构在地震作用下的结构响应。 此外， 基 于贝叶斯理论的地震需求模型， 同样考虑了材料 特性、 结构特性和地震动强度的影响， 而模型未 知参数的后验概率分布为考虑需求模型的不确 定性提供了可行途径。 本发明提出的地震易损性 快速预测方法， 有助于对震后高层建筑开展快速 性能评估， 对制定震后结构维护加固措施具有指 导意义。 权利要求书1页 说明书6页 附图2页 CN 115270635 A 2022.11.01 CN 115270635 A 1.一种贝叶斯 ‑神经网络高层建筑地震需求与易损性预测方法， 其特征在于， 步骤如 下： 步骤1， 基于 《建筑抗震设计规范》 ， 由工程结构的设计文件确定其所在场地类别、 分组 和抗震设防水平特征， 获得上述三个特征后根据 《建筑抗震设计规范》 中提供的方法确定目 标反应谱曲线； 根据目标反应谱曲线， 获取实测地震动记录； 步骤2， 选取材料特性参数： 材料屈服强度、 屈服强度对应的应变、 极限强度、 极限强度 对应的应变、 弹性模量、 屈 服后刚度比和混凝土材料的抗压强度及应变、 抗拉强度及应变、 弹性模量， 以及结构特性参数： 结构阻尼比、 自振周期、 层数、 层高、 结构类型， 作为随机变 量； 抽取随机变量样本， 其中， 随机变量样本量 为随机变量数目的5～10倍； 步骤3， 根据随机变量样本建立用于评估地震易损性的结构数值仿真分析模型， 即结构 的有限元模型； 步骤4， 对结构的有限元模型开展地震动作用下的非线性动力时程分析， 记录结构响 应， 包括结构的位移响应、 加速度响应和梁柱 节点的应力应 变响应； 步骤5， 以地震动强度指标和步骤2选取的随机变量样本作为输入层变量， 以步骤4的结 构响应作为输出层变量， 基于神经网络技术描述地震作用下结构响应与随机变量间的映射 关系； 其中， 神经网络中输入层神经元个数等于输入层中随机变量的数目、 输出层神经元个 数等于输出层变量的数目或结构响应类型的数目， 而隐含层神经元个数由关系式： 2*输入 层神经元个数+1初步确定， 并结合神经网络的训练效果增加或减小； 此外， 在撰写神经网络 算法时需要确定隐藏层和 输出层中的传递函数， 传递函数选择单极性函数logsig、 线性函 数purelin、 tansig函数或根据具体问题选取， 采用梯度下降法训练神经网络， 训练次数、 学 习速率和容差取1000、 0.01和1e ‑5； 该映射关系用于预测不同强度地震作用下具有不同材 料特性和结构特性的超高层建筑的结构响应， 由此建立基于神经网络的高层建筑地震响应 快速预测模型； 步骤6， 以结构响应为研究基础， 基于贝叶斯更新准则建立基于物 理机制的地震需求模 型， 如式(4)所示， 确定需求模型参数的后验概 率密度函数； 式中， γ为模型误差修正项， hi表示影响结构地震响应的正则化变量， 包括材料弹性模 量、 钢材屈服后刚度比和阻尼比； Nh为误差修正项中变量的数目； 模 型未知参数Θ＝( θ1, θ2, θh1, θh2,···, θhi, σ )； σ ε表示模型误差， 服从均值为0， 标准差为σ 的正态分布； 由贝叶斯更 新准则， 模型 未知参数Θ的后验概 率密度函数f(Θ)为， f(Θ)＝cL(Θ)p(Θ)                   (5) 式中， c＝[ ∫L(Θ)p(Θ)dΘ]‑1表示归一化系数， 用以确保f(Θ)的积分为1.0； L(Θ)＝ ∏f(Data|Θ)为似然函数， f(Data|Θ)表 示给定模 型参数条件下观测值的概率密度函数； p (Θ)为Θ的先验概 率密度函数， 其无信息先验概 率密度函数为p(Θ)＝1/σ； 步骤7， 通过全概 率理论获得考虑多重不确定性的地震易损性， 即 F(IM)＝ ∫F(IM| θ )f(Θ)dΘ               (6)。权　利　要　求　书 1/1 页 2 CN 115270635 A 2贝叶斯‑神经网络高层建筑地震需求与易损性预测方 法 技术领域 [0001]本发明属于超高层建筑的地震需求分析与结构抗震性能评估领域， 具体涉及 一种 基于混合贝叶斯理论 ‑神经网络技 术的高层建筑地震需求模型与易损性快速预测方法。 背景技术 [0002]超高层建筑具有设计使用寿命长和社会效应重要等特点， 开展超高层建筑的地震 需求和易损性评估， 对保证超高层建筑的服役安全性具有重要现实意义。 地震作用下超高 层建筑的需求模型指的是结构侧移、 加速度等工程需求参数与峰值加速度、 谱加速度等地 震动强度指标之间的函数关系。 刘晶波等人的基于性能的方钢管混凝土框架结构地震易损 性分析中描述了通常由以下步骤获得工程结构的地震需求模型和易损性点估计值： 第一 步， 建立工程结构的有限元模型， 开展地震动作用下的非线性动力时程分析， 记录结构的动 力响应参数(例如， 高层建筑的顶层加速度、 高层建筑的每一层位移)。 结构响应参数也称为 结构的工程需求参数(engineering  demand parameter， 简称EDP)， 而工程需求参数和地震 动强度指标(intensity  measurement， 简称IM)在对数坐标系中遵循线性关系， 即地震需求 模型可表示为， [0003]ln(EDP)＝θ1+θ2ln(IM)                    (1) [0004]第二步， 地震易损性定义为： 给定地震动强度条件下， 结构响应达到或超过给定极 限状态的条件概 率， 其中， 极限状态方程写作， [0005]g(IM| θ )＝ ln(C)‑ln(EDP)                   (2) [0006]式中， 符号C表示结构能力或抗力。 [0007]第三步， 在确定地震需求模型后， 地震易损性可由其定义确定， 即 [0008]F(IM| θ )＝P [g(IM)≤ 0|IM]                   (3) [0009]传统高层建筑的地震需求和易损性分析方法(具体步骤参照上述第一步至第三 步)， 需要对高层建筑开展 大量非线性动力时程分析。 该分析方法具有概念清晰和可操作性 强等优点， 但该方法需要繁重的计算工作量， 并且分析结果仅适用于给定高层建筑， 不便于 工程应用。 此外， 传统地震易损性分析方法(具体步骤参照上述第一步至第三步)可通过随 机抽样方法考虑与材料特性、 结构特性和输入地震动的不确定性， 但常忽略隐藏于需求模 型中的认知不确定性， 该缺陷将极大增加高层建筑抗震性能评估结果的离散性。 因此， 有必 要针对超高层建筑， 提出一种地震需求模型和 易损性分析 的快速预测方法， 解决传统分析 方法计算效率低和无法综合 考虑多重不确定性的缺陷。 发明内容 [0010]本发明的所要解决的技术问题在于两方面： 首先， 通过神经网络技术减少非线性 动力时程分析 的工作量； 其次， 基于贝叶斯理论提出能够考虑多重不确定性的地震易损性 分析方法。 [0011]本发明的技 术方案：说　明　书 1/6 页 3 CN 115270635 A 3