基于强度的特征选择用于建筑结构近实时损伤诊断
信号处理
2019-10-25 v1 机器学习
机器学习
摘要
极端事件（如地震）后建筑结构的近实时损伤诊断在结构健康监测中具有重要意义。与传统通常耗时且需人类专家的方法不同，模式识别算法有潜力在传感器记录可用时立即解释这些信息。本文提出一个鲁棒框架以构建建筑结构损伤预测模型。使用支持向量机预测损伤的存在及可能位置。该模型考虑基于性能地震工程中现有衰减模型的概率方法以确定灾害强度。通过贝叶斯优化提升了模型在准确与安全预测方面的性能。所提框架在一钢筋混凝土弯矩框架上评估。针对选定大地震场景，使用 OpenSees 进行 6,240 次非线性时程分析。对仿真结果进行加工以提取可低维基于强度的特征作为损伤指标。对于给定的案例研究，所提模型以 83.1% 的 promising 准确率识别损伤位置，展示了模型能力的巨大潜力。
引用
@article{arxiv.1910.11240,
title = {Intensity-Based Feature Selection for Near Real-Time Damage Diagnosis of Building Structures},
author = {Seyed Omid Sajedi and Xiao Liang},
journal= {arXiv preprint arXiv:1910.11240},
year = {2019}
}