基于条带法与机器学习的混凝土桥梁类别易损性分析
计算工程、金融与科学
2018-07-27 v1 机器学习
机器学习
摘要
本文提出一种利用机器学习与基于条带（stripe-based）方法能力生成桥梁专用易损性的框架。所提出的基于随机森林的方法有助于以更少的计算量与昂贵的重新仿真为新一组输入参数生成或更新易损性曲线。该方法不对各部件的需求模型作任何假设，并有助于识别其地震需求模型中各不确定变量的相对重要性。该方法通过加州多跨混凝土桥梁的案例研究加以演示。在桥梁模型与易损性曲线生成中考虑了几何、材料与结构不确定性。还注意到，对需求模型传统的对数正态假设会导致不切实际的易损性估计。所提方法获得的易损性曲线可部署于如HAZUS等风险评估平台以进行区域损失估计。
引用
@article{arxiv.1807.09761,
title = {Stripe-Based Fragility Analysis of Concrete Bridge Classes Using Machine Learning Techniques},
author = {Sujith Mangalathu and Jong-Su Jeon},
journal= {arXiv preprint arXiv:1807.09761},
year = {2018}
}
备注
10 Figure, 4 Table