单层钢筋混凝土柱工业厂房震害非线性预测模型及应用.pdf
《单层钢筋混凝土柱工业厂房震害非线性预测模型及应用.pdf》由会员分享,可在线阅读,更多相关《单层钢筋混凝土柱工业厂房震害非线性预测模型及应用.pdf(4页珍藏版)》请在咨信网上搜索。
1、2 0 1 1年 第 1 1期 (总 第 2 6 5 期 ) Nu mb e r 1 1 i n 2 0 1 1 ( T o t a l No 2 6 5 ) 混 凝 土 Co nc r e t e 实用技术 PRACTI CAL TECHN0L 0GY d o i : 1 0 3 9 6 9 i s s n 1 0 0 2 - 3 5 5 0 2 0 1 1 1 1 0 4 3 单层钢筋混凝土柱工业厂房震害非线性 预测模型及应用 何 慧荣 ( 鹤壁职业技术学院 建筑工程学院,河南 鹤壁 4 5 8 0 3 0 ) 摘要: 将R B F 人工神经网络理论应用于等高单层钢筋混凝土柱工业厂房的震害
2、预测。 在分析震害特点的基础上, 将震害影响因子分为精 确性和规律性两大类 , 提出以地震反应指标、 天窗类型、 支撑情况、 建筑材料作为主要的影响指标。 然后将震害等级作为输出结果, 构造了 震害预测的非线性预测模型。 通过对 5 2 个实际震害实例的检验, 网络的准确率高, 可见该模型是有效可靠的。 关键词 : 工业厂房 ; 震害预测;R B F人工神经网络;非线性 中图分类号 : T U5 2 8 0 1 文献标志码: A 文章编号 : 1 0 0 2 3 5 5 0 ( 2 0 1 1 ) l 1 - 0 1 3 5 0 3 Se i smi c dama ge pr edi c t
3、i on nonl i n e ar model f or s i ngl e -s t ow r ei n f or c ed c on c r e t e i n dus t r i al bui l di ng HE Hu i - r o n g ( V o c a ti o n a l a n d T e c h n i c a l S c h o o l o f A r c h i t e c n e E n g i n e e r i n g o f H e n a n He b i C i t y , He N 4 5 8 0 3 0 , C h i n a ) Abs t r
4、a ct : T he RBF a r t i fic i a l n e u r a l n e t wo r k i s a p p l i e d t o p r e d i c t s e i s mi c d a ma g e o f s i n g l e s t o r y r e i n f o r c e d c o nc r e t e i n d u s t r i a l b u i l ding Ba s e d o n t h e a n a l y s i s o f c h a r a c t e ris t i c s o f s e i s mi c d a
5、 ma g e, i t i s f o u n d t h a t e a r t h q u a k e r e s p o ns e i n d e x, t y p e o f s k y l i g h t , b r a c i ng s y s t e m a n d b u i l d i ng ma t e r i a l are the ma i n f a c t o r s a ffe c t i n g s e i s mi c d a ma g e Th e f o ur f a c t o r s c a n be c l a s s i fie d i n t
6、o t wo t y pe s : pr e c i s e f a c t o r s and r e g u l ar f a c t o r s Th e c o r r e s p o n d i n g s p a n s of f a c t o r s a t e s u g g e s t e d an d a p pl i e d t o e ng i n e e rin g e x a mp l e s Th u s the R BF a r t i fic i a l n e ura l ne t wo r k i s d e v e l o p e d wi t h f
7、 a c t o r s a ffe c t i n g s e i s mi c d a m a g e a s i n p u t a n d s e i s mi c d am a g e g r a d e a s o u t p u t I t wa s v e r i fie d b y 5 2 e n g i n e e r i n g e xa mp l e s I t i s c o n c l u d e d tha t t h e RBF a r t i fi c i a l n e u r a l n e t wo r k d e v e l o p e d i n t
8、 h i s p a p e r i s a p pl i c a b l e t o pr e d i c t s e i s mi c d am a g e o fs i n g l e - s t o r y r e i n f o r c e d c o n c r e t e i n d u s t r i a l bu i l d i n g Key wor ds : i nd us t r i a I b u i l d i n g; s e i s mi c d a ma g e p r e d i c t i o n; RBF a r t i fic i a l ne ura
9、 l n e tw o r k; n o n l i n e ar 0 引言 在各类 自然灾害中, 地震灾害是对人类社会造成重大人员 伤亡和经济损失的主要灾害之一。 对建筑物进行震害预测是减 轻和预估地震灾害的一项重要举措。 单层工业厂房是我国使用 最为普遍的一种工业建筑之一, 在 2 0世纪 7 0年代的唐山大地 震中, 许多单层工业厂房受到破坏, 造成了巨大的经济财产损 失。 有鉴于此, 对单层工业厂房的建筑结构进行震害预测意义 重大, 其单跨( 或多跨 ) 的等高单层工业厂房作为一类结构体系 与理想模型较为接近的工业建筑, 近年来亦引起广大学者的重 视 1 - 6 1 。 查阅大量文献,
10、 已有的研究成果主要体现在等高单层工 业厂房震害预测中, 对等高单层砖柱厂房等高单层钢筋混凝土 柱厂房的研究较少。 近年来, 正对大量震害因素的随机不确定性 、 模糊性, 有一些学者相继用模糊综合评判法f I J 、 灰色聚类法2 1 、 B P神经网络方法p 】 对单层钢筋混凝土柱厂房震害进行了预测。 然而, 单层工业厂房的震害受到地震作用的大小、 场地条件 、 厂 房结构的动力特性 、 建筑材料等众多因素的影响, 是一个复杂 的非线性系统。 B P神经网络是一种常用的全局逼近神经网络, 可以很好的 解决非线性问题。 从理论上讲 , 3 层 B P网络就可以实现从输入 到输出的任意函数映射。
11、 但是由于 B P神经网络是基于梯度下 收稿 日期 :2 0 1 1 - J o 5 1 3 降的误差反向传播算法进行学习的, 且在训练过程中需要对网 络的所有权值和阈值进行修正, 所以网络的学习速度较慢, 而且 很容易陷入局部最小点, 易产生振荡, 无法保证每次训练时 B P 算法的收敛性和全局最优性。 与 B P神经网络相比, R B F网络是 一 种局部逼近网络, 对于每个训练样本, 它只需要对少量的权 值和阈值进行修正, 所以R B F神经网络不仅学习速度快, 而且 避免了局部最小问题, 同时, 由于只有少量的权值需要调整, 其 推广能力显著增强, 使得其对新样本的预测能力显著增强。
12、因此, R B F 神经网络在逼近能力、 分类能力和学习速度等方面均优于 B P神经网络。 本文在总结前人经验的基础上, 提出将 R B F神经 网络进行预测等高单层钢筋混凝土柱厂房的震害, 并以实际震 例对该方法进行了验证。 1 单层钢筋混凝土柱工业厂房震害非线性预 测模 型 1 1 震 害非线性预测的影响指标 通过对大量已有的研究基础和震害实例, 发现以下三个因 素是造成等高单层钢筋混凝土柱厂房地震破坏的直接因素: 第 一 ,地震引起的厂房单元地基失效 , 类似于静力破坏; 第二, 扭 转振动, 有厂房单元因质心与刚心不相符引起; 第三, 地震使厂 房单元所产生的沿厂房横向和纵向的平移振动
13、。 1 3 5 学兔兔 w w w .x u e t u t u .c o m 通过分析比较, 选取厂房单元地震反应指标、 天窗类型、 支撑 情况、 主要建筑材料等4 个因素构成评价指标体系。 根据文献 3 - 4 的研究成果对其进行量化。 1 2 震害等级的评定和量化 借鉴已有研究成果 , 本研究将建筑结构地震破坏等级分为 基本完好、 轻微破坏 、 中等破坏、 严重破坏和倒毁的五级。 对于 各个破坏等级的具体定义和对应的震害指数参见文献 5 。 值得 说明的是 , 本研究假设在对震例的破坏等级进行评判时, 不考 虑余震及震前已有的损坏对单层厂房的破坏的影响, 只考虑主 震的影响。 其震害等级
14、量化表值具体情况如表 1 所示。 表 1 震害等级量化表值 震害等级 量化值 1 3 径 向基 函数 神 经 网络 1 3 1 径向基函数神经网络简介 径向基函数( R B F ) 神经网络是由P o w e l l M J D于 1 9 8 5年 提出的, 以函数逼近理论为基础构造的一类前向网络。 径向基函 数网络是由输入层、 隐含层和输出成构成的三层前向网络, 隐含 层采用径向基函数作为激励函数 , 该径向基函数一般为高斯函 数,如图 1 所示。 隐含层每个神经元与输入层相连的权值向量 l 和输入向量 ( 表示第口 个输入向量) , 之间的距离乘上阂值 b 1 , 作为本身的输入门 , 如
15、图2所示。 ; : 图 1 RB F网络 结构 图 2 R BF神经网络的输入与输 出 由此可得隐含层的第 i 个神经元的输入为: 、 ( 一 矽 ) b l 【 1 ) 输出为: x p = e x p 、 ( 刊 b l = e x e (I l , l ( 6 1 ) 1 ( 2 ) 径向基函数的阈值 b 1 可以调节函数的灵敏度, 但实际工作 中更常用另一参数 c ( 称为扩展常数 ) 。 b 1 和 c 有一定的关系, 本文取 b l y O 8 3 2 6 C 。 输入层的输入为各隐含层神经元输出的加权求和。 由于激 励函数为纯线性函数 , 因此输出为: : 2 ( 3 ) 1 3
16、 6 1 3 2 径向基函数神经网络的MAT L AB实现 MA T L A B神经网络工具箱为径向基网络提供了许多工具 箱函数, 其中n e w r b e 函数是一个用于设计准确径向基网路的函 数。 调用格式为 : n e t = n e wr b e ( P, T , S P R E A D) ( 4) 式中: P p组输入向量组成的R x Q维矩阵; p组 目标向量组成的 S x Q维矩阵; S P R E A D径 向基 函数 的扩展速度 , 默认为 1 。 S P R E A D越大, 函数拟合就越光滑。 但是过大的S P RE A D意 味着需要非常多的神经元以适应函数的快速变化
17、。 如果S P R E A D 设得过小, 则意味着需要许多神经元来适应函数的缓慢变化。 这 样一来 , 设计的网络性能就不会很好。 因此 , 在网络的设计过程 中, 选择一个合适的S P R E A D很关键。 本文将使用模式搜索法寻 找出最优 S P R E AD值。 利用函数 n e wr b e 创建一个精确的神经网络, 该函数在创建 R B F网络时, 自动选择隐函层的数目, 使误差为0 。 径向基传递函数为 md b a s 函数。 该函数原型为 y = e x p ( 一 ) 。 2实例应 用及讨论 为验证本文模型的合理性, 将本文建立的等高单层钢筋混 凝土柱工业厂房震害预测的
18、R B F神经网络模型应用到工程实 际。 工程样本来 自文献 3 4 1 , 选取地震烈度为 8度且均为远震 的等高单层钢筋混凝土柱厂房单元的详细资料, 经整理分析的 基础上, 得到符合研究条件的 5 2 个等高单层 R C柱厂房单元的 震例数据( 表 2 ) 。 对于天窗类型、 支撑情况、 主要建材 3个规律 性指标, 按文献【 3 】 规定范围的中间值量化。 首先, 需要对该网络模型进行训练, 训练的过程实质就是 调整权值( 以及阈值) 的过程, 使得训练后的网络能对某个应用 工程获得最小的系统误差 , 从而获得良好的输入 、 输出间的高 度非线性映射关系。 这样无须确切知道各影响因素与震
19、害结果 之间的具体关系, 就能准确的得到所需要的结果。 本文将前 3 8 个样本为训练样本, 后 1 5 个样本为预测样本。 首先根据 3 8个训练样本建立基于 R B F的非线性预测模型, 进 行 回判 , 发现回判正确率高, 证明模型是合理可靠的。 进而应用 建立的模型对另外 1 5个预测样本进行了预测。 测试样本数据 及预测结果比较情况见表 1 。 通过表 1 实测结果和预测结果的 比较可知, 该模型预测精度高, 拟合性能良好。 这说明采用 R B F 神经网络对建筑结构进行震害预测是可行的和有效的。 3结 论 将 R B F人工神经网络理论应用于等高单层钢筋混凝土柱 工业厂房的震害预测
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 单层 钢筋混凝土 工业 厂房 非线性 预测 模型 应用
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【wang****lang】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【wang****lang】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。