用于预测钢筋混凝土建筑地震损伤的机器学习算法对比评估
机器学习
2022-03-28 v1 人工智能
摘要
建筑抗震评估及其结构损伤判定处于现代科学研究前沿。迄今，若干研究者提出了多种流程，试图在不进行耗时分析的情况下估算强地面运动下建筑的损伤响应。这些流程（如易损性曲线构建）通常利用基于统计理论的方法。近几十年，计算机算力的提升催生了基于机器学习算法采用的现代软计算方法。本文试图对各种机器学习方法充分预测钢筋混凝土（R/C）建筑地震响应的能力进行广泛对比评估。训练数据集通过对 90 栋具有三种不同砌体填充墙分布的 3D R/C 建筑进行非线性时程分析并建立，这些建筑承受 65 次地震作用。地震损伤以最大层间位移角表示。采用最高效的机器学习算法开展了大规模对比研究。实验表明 LightGBM 方法产生了训练稳定性、高整体性能以及估计建筑损伤响应预测能力的显著决定系数。鉴于该问题的极度紧迫性，民防机制需在其技术系统中融入科学方法论及适当的技术或建模工具（如本文所提），以在最优决策中提供宝贵辅助。
引用
@article{arxiv.2203.13449,
title = {A Comparative Evaluation of Machine Learning Algorithms for the Prediction of R/C Buildings' Seismic Damage},
author = {Konstantinos Demertzis and Konstantinos Kostinakis and Konstantinos Morfidis and Lazaros Iliadis},
journal= {arXiv preprint arXiv:2203.13449},
year = {2022}
}