摘要
为克服传统桥梁结构地震易损性分析中所存在的模型误差,提高计算效率和预测精度,在总结机器学习易损性分析方法的基本原理和流程的基础上,以一座中等跨径连续刚构桥为工程背景,考虑地震波、桥梁建模相关的不确定性因素,基于OpenSees建立了其精细化有限元动力分析模型并开展了大量非线性时程分析;结合地震响应结果,基于人工神经网络(ANN)机器学习建立随机变量与结构地震需求之间的多维概率地震需求模型。而后,考虑桥梁抗震能力相关的不确定性,通过采用Logistic回归分类算法拟合了完好—损伤二元向量,实现了地震易损性曲线的非参数化构建,在此基础上,与传统参数化易损性分析的计算过程和结果进行了对比分析。研究结果表明,机器学习算法进行桥梁地震易损性分析时无需采用对数正态分布的假定;采用ANN算法建立的多维概率地震需求模型,其预测精度、拟合效率和预测误差均优于传统云图法;采用Logistic回归算法建立的构件地震易损性,在较小地震动强度时略小于云图法的易损性,但随着地震强度的增加,机器学习算法构件地震易损性开始超过云图法构件易损性,且随着损伤程度的增加,这个趋势愈发显著,说明传统云图法在强震作用下会低估结构损伤概率。
出处
《公路》
北大核心
2025年第12期168-175,共8页
Highway
基金
云南省交通运输厅科技创新及示范项目,项目编号2022-78。
