-
公开(公告)号：CN117034707A
公开(公告)日：2023-11-10
申请号：CN202311044529.9
申请日：2023-08-18
Applicant: 哈尔滨工业大学
Abstract: 本发明提出基于机器学习的城市建筑群震害实时模拟方法。所述方法利用简化模型自动化建模和计算效率高的优势，快速建立城市建筑群每个单体建筑对应的简化模型，并进行地震动作用下的时程分析以生成代理模型所需的数据集，再基于机器学习算法建立简化模型的代理模型，直接构建地震动到结构响应或破坏状态的映射关系，即可利用代理模型超高的计算效率实现城市建筑群震害的实时模拟。除此之外，将地震动记录转化为地震动参数作为代理模型输入，消除了现有代理模型仅适用于特定类型地震动记录的限制；简化模型皆为集中质量层模型，可消除建筑结构类型的区别，从而解决了现有代理模型仅适用于特定类型建筑的问题。
-
公开(公告)号：CN116451568A
公开(公告)日：2023-07-18
申请号：CN202310335878.X
申请日：2023-03-31
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了计算结构地震响应的串联神经网络模型的建模方法及装置，属于建筑结构技术领域，尤其涉及对结构地震响应的预测。解决了现有技术所存在的，在预测建筑结构地震响应时，采用传统时程分析法计算耗时且对硬件要求较高，采用人工智能预测模型不能兼顾泛化能力、效率、精度、模型训练简便性以及物理可解释性的问题。所述计算结构地震响应的串联神经网络模型的建模方法，通过模拟时程分析法的计算过程，获得所述最优串联神经网络模型。它主要用于适用于结构地震响应预测、抗震结构的设计以及震后结构构件损伤的快速评估。
-
Search Results
2
records
(took 0.025 seconds)
