[论文解读] Response Prediction of Structural System Subject to Earthquake Motions using Artificial Neural Network

Snehashish Chakraverty, Tshilidzi Marwala+2 more|arXiv (Cornell University)|May 15, 2007

Structural Health Monitoring Techniques参考文献 18被引用 12

一句话总结

本研究提出一种人工神经网络（ANN）模型，利用查莫利和乌塔尔卡希的地面运动数据，预测印度地震动作用下的结构体系响应。该模型基于真实地震数据进行训练，能够准确预测不同强度和周期下的最大响应，对未见过的地震数据也表现出良好的泛化能力，展示了其在建筑结构预先抗震安全评估中的潜力。

ABSTRACT

This paper uses Artificial Neural Network (ANN) models to compute response of structural system subject to Indian earthquakes at Chamoli and Uttarkashi ground motion data. The system is first trained for a single real earthquake data. The trained ANN architecture is then used to simulate earthquakes with various intensities and it was found that the predicted responses given by ANN model are accurate for practical purposes. When the ANN is trained by a part of the ground motion data, it can also identify the responses of the structural system well. In this way the safeness of the structural systems may be predicted in case of future earthquakes without waiting for the earthquake to occur for the lessons. Time period and the corresponding maximum response of the building for an earthquake has been evaluated, which is again trained to predict the maximum response of the building at different time periods. The trained time period versus maximum response ANN model is also tested for real earthquake data of other place, which was not used in the training and was found to be in good agreement.

研究动机与目标

• 开发一种人工神经网络（ANN）模型，用于预测地震荷载作用下的结构体系响应。
• 利用印度地震（查莫利和乌塔尔卡希）的真实地面运动数据，评估ANN预测的准确性。
• 评估模型对未见地震数据的泛化能力，以支持未来地震风险预测。
• 探讨以周期与最大响应关系作为预测输入，在结构安全评估中的应用。

提出的方法

• 使用查莫利和乌塔尔卡希地震的实测地面运动数据训练人工神经网络（ANN）。
• ANN学习地震周期与对应最大结构响应之间的关系。
• 在部分地面运动数据上进行训练，并在剩余数据上进行测试，以评估泛化能力。
• 利用训练好的ANN预测训练集中未包含的不同强度地震的响应。
• 单独建模周期与最大响应的关系，并在外部真实地震数据上进行验证。
• 将模型预测结果与实际响应进行对比，以评估其准确性与实际适用性。

实验结果

研究问题

• RQ1 在训练数据有限的情况下，ANN能否准确预测印度地震动作用下的结构体系响应？
• RQ2 ANN在预测未用于训练的地震响应时，泛化能力如何？
• RQ3 周期与最大响应关系的建模程度如何，能否有效用于结构安全预测？
• RQ4 当预测不同地震强度下的响应时，ANN模型的准确性是否保持稳定？
• RQ5 训练好的ANN能否用于在实际地震发生前对建筑进行预先安全评估？

主要发现

• 在仅使用单一真实地震数据集进行训练后，ANN模型在预测不同地震强度下的结构响应方面表现出高精度。
• 即使仅使用部分地面运动数据进行训练，ANN仍能有效预测响应，表明其对部分训练数据具有鲁棒性。
• 对未见地震数据（来自不同地点）的预测结果与实际响应高度一致，证实了模型的泛化能力。
• 周期与最大响应关系的ANN模型在不同周期下均能一致地准确预测结构响应。
• 本研究证实，ANN可作为可靠的工具，用于在实际地震事件发生前对建筑进行预先抗震安全评估。