基于机器学习的钢筋混凝土剪力墙能量行为评估
计算工程、金融与科学
2022-09-30 v1 机器学习
摘要
当前的抗震设计规范主要依赖于结构构件的强度和位移能力，而未考虑地震动持时或滞回行为特征的影响。基于能量的方法作为响应量的补充指标，包含了地震性能中重复荷载的效应。设计理念表明，抗震需求由结构构件的耗能能力满足。因此，应充分理解结构构件的耗能行为，以实现有效的基于能量的设计方法。本研究聚焦于钢筋混凝土（RC）剪力墙的耗能能力，这类墙广泛应用于高烈度地震区，因其提供显著的刚度和强度以抵抗侧向力。开发了一个基于机器学习（高斯过程回归（GPR））的剪力墙耗能能力预测模型，作为墙体设计参数的函数。研究表明十八个设计参数影响耗能，而其中最重要的参数通过顺序后向消除和特征选择方法确定，以降低预测模型的复杂度。所提模型做出稳健且准确预测的能力基于新数据得到验证，预测精度（预测值/实际值之比）约为 1.00，决定系数（R2）为 0.93。本研究的成果被认为可通过以下方面贡献于基于能量的途径：（i）定义对剪力墙抗震耗能能力最具影响的墙体属性；（ii）提供可比较不同墙体设计配置以实现更高耗能能力的预测模型。
引用
@article{arxiv.2111.08295,
title = {Machine Learning-Based Assessment of Energy Behavior of RC Shear Walls},
author = {Berkay Topaloglu and Gulsen Taskin Kaya and Fatih Sutcu and Zeynep Tuna Deger},
journal= {arXiv preprint arXiv:2111.08295},
year = {2022}
}
备注
21 pages, 10 figures, 4 Tables. Submitted to Elsevier