MC-GRU：用于跨结构广义非线性结构响应预测的多通道 GRU 网络
机器学习
2025-03-11 v1
摘要
在土木工程中，准确预测地震响应和量化结构损伤至关重要。传统方法如有限元分析可能缺乏计算效率，尤其是在极端灾害下的复杂结构系统中。近年来，人工智能为高效建模高度非线性行为提供了一种替代方案。然而，现有模型在不同结构系统之间的泛化面临挑战。本文提出了一种新颖的多通道门控循环单元（MC-GRU）网络，旨在实现对不同结构的广义非线性结构响应预测。其核心概念在于将多通道输入机制集成到 GRU 中，并向候选隐藏状态额外输入结构信息，这使得网络能够学习不同结构的动态特性，从而赋予其对未见结构的泛化能力和自适应性。所提出的 MC-GRU 的性能通过一系列案例研究得到了验证，包括单自由度线性系统、迟滞 Bouc-Wen 系统以及来自实验测试的非线性钢筋混凝土柱。结果表明，所提出的 MC-GRU 克服了现有方法的主要泛化问题，能够准确推断不同结构的地震响应。此外，与 GRU 和 LSTM 等传统模型相比，它展现出更强的表示非线性结构动力学的能力。
引用
@article{arxiv.2503.07258,
title = {MC-GRU:a Multi-Channel GRU network for generalized nonlinear structural response prediction across structures},
author = {Shan He and Ruiyang Zhang},
journal= {arXiv preprint arXiv:2503.07258},
year = {2025}
}