基于迁移学习的高保真结构模型非线性时程响应分析代理建模
计算工程、金融与科学
2026-04-17 v2
摘要
在基于性能的地震工程 (PBEE) 框架中，对大量地震动进行非线性时程响应分析 (NLTHA) 是 assessing 建筑物或土木工程结构抗震风险的必需步骤。然而，这类数值仿真计算成本高昂，限制了其在实际中的应用。为此，先前的研究使用机器学习预测结构对地震动的响应，计算成本较低。这些研究通常对几百个地震动进行 NLTHA，并使用结果训练和验证代理模型。然而，大多数先前的研究聚焦于计算成本较低的响应分析模型，如单自由度模型。对于 PBEE 中的损伤评估，还需要构建高保真响应分析的代理模型，以丰富用于损伤评估的信息数量和多样性。值得注意的是，若响应分析模型的保真度提高，其创建训练和验证数据集的计算成本也随之增加。因此，一种无需大量训练样本即可构建高保真响应分析代理模型的方法是必需的。本研究提出了一个框架利用迁移学习构建高保真响应分析模型的代理模型。该框架将低保真响应分析的代理模型作为预训练模型，并将其知识迁移到构建高保真响应分析的代理模型中，以显著降低计算成本。作为案例研究，我们仅使用 20 个样本作为训练数据集构建了预测 20 层钢框架结构响应的代理模型。构建的代理模型预测的响应与基于地点的时基灾害风险相一致。
引用
@article{arxiv.2512.14161,
title = {Transfer Learning-Based Surrogate Modeling for Nonlinear Time-History Response Analysis of High-Fidelity Structural Models},
author = {Keiichi Ishikawa and Yuma Matsumoto and Taro Yaoyama and Sangwon Lee and Tatsuya Itoi},
journal= {arXiv preprint arXiv:2512.14161},
year = {2026}
}
备注
20 pages, 21 figures