基于穷举搜索策略与逻辑回归算法的RC柱地震破坏模式判别模型

为了准确判别钢筋混凝土(RC)柱的地震破坏模式,基于穷举搜索策略和逻辑回归算法,提出了一种RC柱地震破坏模式判别的两阶段逻辑回归模型。基于穷举搜索策略,分别遴选了判别弯曲破坏与非弯曲破坏以及弯剪破坏与剪切破坏的最优特征参数;结合最优特征参数和逻辑回归算法,建立了RC柱地震破坏模式判别的两阶段逻辑回归模型;通过与传统方法进行对比分析,验证了该模型的有效性。分析结果表明：该模型不仅构建了特征参数与地震破坏模式之间的显式函数关系,克服了传统“黑盒”机器学习判别方法存在的预测结果解释性较差的缺陷,而且通过合理遴选最优特征参数,在保证判别精度的前提下合理简化了判别模型函数形式,解决了传统机器学习判别方法存在的判别模型复杂程度高、计算效率低的问题;对于RC柱的三种地震破坏模式,该文模型的总体判别准确率均达到90%以上,比经典逻辑回归算法提高5%左右,比传统经验判别方法提高20%左右。     

基于支持向量机的地震预警震级快速估算研究

以更准确的估算地震预警(earthquake early warning,EEW)震级为目标,利用P波触发后3 s内的日本K-net强震数据,选取幅值参数、周期参数、能量参数、衍生参数这4大类共12个P波特征参数作为输入,构建基于支持向量机震级预测模型(support vector machine for earthquake magnitude estimation,SVM-M)。结果表明,比较传统的震级估算“τc方法”与“P d方法”,建立的SVM-M模型震级预测误差明显减小且不受震中距变化的影响,小震高估问题得到明显改善。2016年日本熊本地震主震(M j7.3)与2008年中国汶川地震主震(M s8.0)的震例分析结果表明,3 s时间窗不能匹配震源破裂全过程而出现了一定程度的震级低估,但仍可在P波触发后短时间窗内明确是大地震事件。建立的SVM-M模型可应用于地震预警震级快速估算。     

钢筋混凝土柱地震破坏分析的多尺度建模方法

结构多尺度计算技术在保证计算精度的同时,可大幅度地降低计算成本。该文提出了钢筋混凝土柱多尺度模型界面连接和引入等效塑性铰长度的精细化区域界定的方法,并在LS-DYNA程序中二次开发了混凝土多维损伤本构模型,建立了钢筋混凝土柱地震破坏分析的多尺度建模方法。通过对钢筋混凝土柱拟静力试验和单调推覆数值试验的模拟与对比分析,验证了所建立方法的适用性;通过对一钢筋混凝土柱的地震模拟振动台试验的模拟与分析,直观地观察了强震作用下钢筋混凝土柱的混凝土压碎、钢筋屈曲等破坏过程。     

钢筋混凝土柱地震剪切-粘结破坏试验研究

剪切-粘结破坏是钢筋混凝土结构的一种重要震害形式,为研究剪跨比在1.5-2.5之间钢筋混凝土柱的抗震性能,进行了16个试件的拟静力试验,对其破坏形态、延性及耗能能力、刚度退化、抗剪承载力等进行了对比分析.结果表明,试件以剪切及粘结破坏为主,可分为弯剪、剪切和粘结破坏三种类型,弯剪破坏试件表现出较好的延性和耗能能力,而粘...     

钢筋混凝土矩形柱地震破坏模式的概率分析EI北大核心CSCD

鉴于破坏模式对既有钢筋混凝土柱抗震性能评价和震后恢复决策的重要性,从美国太平洋地震研究中心钢筋混凝土柱抗震性能试验数据库(PEER-Structural Performance Database)中收集214根钢筋混凝土矩形截面柱的拟静力试验数据,分析了弯曲、弯剪或剪切三种破坏模式的破坏特征及主要影响因素。根据钢筋混凝土柱塑性铰区截面剪力需求与抗剪承载力的关系,计算了发生三种不同破坏模式时剪力需求与抗剪强度的比值,并分别给出了相应的概率分布函数。结果表明,基于剪力需求和抗剪强度比值的概率分析能够合理地反映钢筋混凝土柱的地震破坏模式。     

基于支持向量机的步态分类方法

针对小样本步态数据引起的分类器泛化能力差的问题,提出了基于支持向量机的步态分类方法.采集了24名青年和24名老年受试者的步态数据,提取24个步态特征训练支持向量机,采用交叉验证方法评估分类器的泛化性能.结果表明,本文提出的方法能够有效地对小样本步态数据分类,并且具有良好的泛化性.不同的核函数对分类性能影响较小.与传统反向传播学习算法的神经网络分类器进行了比较,支持向量机分类性能明显优于传统反向传播学习算法的神经网络.支持向量机在步态分类中具有广泛的应用前景.     

基于支持向量机的印品缺陷分类方法

目的研究印品图像的各类形状缺陷,建立基于支持向量机(Support vector machine,SVM)的印品形状缺陷分类模型。方法对印品进行符合人眼视觉特性的缺陷识别,并对提取缺陷进行特征分析。将特征数据导入支持向量机进行训练学习,SVM分类器对缺陷图像进行测试。结果分类器对点缺陷和面缺陷的识别率为100%,对线缺陷的分类准确率达93.94%。结论基于SVM的缺陷分类方法能较好地满足印品质量检测的需求。     

基于支持向量机的现地地震预警地震动峰值预测

以0.1-10 Hz带通滤波后三分向矢量合成地震动峰值PGA 与PGV 为预测目标参数,利用日本K-net 强震台网P波触发后3 s数据,基于人工智能中的经典机器学习方法-支持向量机,选取加速度幅值Pa、速度幅值Pv、位移幅值Pd、傅里叶谱幅值AMmax、速度平方积分IV2、破坏烈度DI、累积绝对速度CAV、阿里亚斯烈...     

核模糊C均值聚类粒度支持向量机方法研究

针对传统粒度支持向量机(granular support vector machine,GSVM)在处理大规模数据集时划分方法的随机性严重影响模型训练效能的情况,提出一种基于核模糊C均值聚类的粒度支持向量机(granular support vector machine based on kernel-based fuzzy c-means cluster,GSVM-KFCM)的方法。首先利用核映射将数据映射到高维空间进行聚类划分得到若干个信息粒,然后在每个信息粒中进行支持向量机的训练,提取出关键信息并融合建立最终决策模型。实验结果表明:该方法可以降低大规模数据集的训练时间,同时也能提高算法的准确度。     

基于支持向量机的网络风险评估方法的研究

统计学习理论(Statistical Learning Theory,SLT)是一种专门研究小样本情况下机器学习规律的理论,作为统计学习理论的VC维理论和结构风险最小化(Structure Risk Minimization,SRM)原则的具体实现算法支持向量机(support vector machinse,SVM),集优化、核(Kernel)、最佳推广能力等特点于一身,其出色的学习能力被广泛的关注并在各个领域广泛应用,系统介绍基于支持向量机的网络安全风险评估,给出其可行性、优越性及SVM评估模型,最后提出该研究发展方向与前景的预见。     

基于马尔科夫链模拟的支持向量机可靠性分析方法

针对实际工程中可靠性分析设计的极限状态方程为隐式的情况,提出了一种基于马尔科夫链模拟的支持向量机可靠性分析方法.所提方法采用改进的马尔科夫链来产生极限状态重要区域上的样本点,再采用支持向量机方法求得相应的函数替代模型来进行可靠性分析.由于马尔科夫链能够自适应的模拟极限状态重要失效区域附近的样本,并且由于采用马尔科夫链备...     

基于加权线性响应面法的支持向量机可靠性分析方法

针对估算非线性隐式极限状态函数的失效概率问题,提出了一种基于加权线性响应面法的支持向量机可靠性分析方法。首先采用加权线性响应面确定设计点,在线性响应面迭代的同时获得一定数量的样本,然后在这些样本和设计点附近补充抽取样本的基础上,采用具有良好小样本学习能力的支持向量机方法来训练样本,保证了在设计点周围获得更好的非线性极限状态函数的替代。这种方法既保证了对设计点的精确近似,又保证了对设计点附近非线性极限状态函数的良好近似,大大提高了失效概率的计算精度,为非线性隐式极限状态的可靠性分析提供了一种合理可行的方法。     

结构非概率可靠性分析的支持向量机分类方法

利用支持向量机分类技术解决隐式极限状态结构的非概率可靠性问题。基于未确知信息的分段描述模型,设计了训练样本抽取策略,将基本变量区域中的样本等效转化为标准区间变量域中的样本,统一了尺度,有效保证了支持向量机训练的稳定性,并使蒙特卡洛模拟更易实现,有效解决了隐式极限状态结构的非概率可靠性分析问题。通过2 个算例对文中方法的精度和可行性进行了验证。     

基于SVM回归柔性机构的动态可靠性研究

在柔性机构(Flexibility Mechanism,FM)动态可靠性分析中,为了提高其计算精度和计算效率,通过融合蒙特卡洛和支持向量机回归理论,提出了一种新的SVM回归极值法(SVM Regression Extremum Method,SREM)。该方法借助ADAMS软件抽取FM动态响应极值的小样本,基于支持向量机回归理论建立FM动态响应极值的代理模型,使用此代理模型进行FM动态响应可靠性分析。最后,利用蒙特卡洛法、SVM回归极值法和另外两种方法对柔性曲柄摇杆机构的摇杆最大摆角可靠度进行分析。结果显示：在小样本情况下,SVM回归极值法的计算精度与MC相当,精度明显高于另外两种方法;SVM回归极值法的计算效率比MC大幅度提高,与另外两种方法计算效率相当。验证了在小样本情况下,SREM在FM动态可靠性分析中高效率和高精度。     

基于曲率模态和支持向量机的结构损伤位置两步识别方法

支持向量机是一种基于统计学习理论的机器学习算法,能够较好的解决小样本的学习问题。介绍了支持向量机分类和回归算法,将其应用于梁结构的损伤诊断中。以曲率模态参数作为损伤识别指标,提出了基于支持向量机的结构损伤位置两步识别方法:首先根据支持向量机分类算法的概率估计找到可能的损伤位置,重新构造训练样本;然后利用支持向量机回归算法计算精确的损伤位置。通过对悬臂梁仿真计算进行了验证,结果表明:支持向量机在结构损伤诊断领域中具有较好的应用前景。     

火灾后型钢混凝土柱抗震性能有限元计算模型

该文建立了型钢混凝土柱温度场计算模型,计算结果与实测结果吻合较好。同时,还提出了型钢混凝土柱过火最高温度场的计算方法,并在考虑型钢与混凝土之间以及钢筋与混凝土之间的界面粘结滑移特性的基础上提出了火灾后型钢混凝土柱抗震性能的有限元计算模型,计算结果与试验结果吻合较好。该文模型可用于型钢混凝土柱火灾后抗震性能的计算与分析。     

钢筋混凝土框架结构强柱弱梁整体失效模式可控设计

该文发展了钢筋混凝土框架结构强柱弱梁地震整体失效模式可控设计方法。基于能量平衡概念和塑性内力设计机制,提出了改进的能量平衡方程和塑性内力设计方法来实现具有不同滞回性能结构在不同设防烈度下的结构设计。设计了4个具有不同几何配置的结构,并研究了结构沿楼高的强柱弱梁系数分布。分别对结构进行Pushover分析和22条地震下的大震弹塑性时程分析,研究了结构的整体能力曲线、屈服机制、最大层间位移角分布和柱端弯矩需求。分析结果表明,该文所提方法不需要任何迭代便能实现结构预期的抗震性能和整体失效模式,克服了传统抗震设计需不断试凑迭代来满足抗震性能的缺点。     

钢筋混凝土轴心受压柱的抗火设计方法研究

该文以四面受火钢筋混凝土轴心受压柱为研究对象,在利用自编钢筋混凝土温度场有限元分析程序进行大量数值分析计算的基础上,通过引入材料平均强度折减系数的概念,建立了截面材料性能随受火时间变化的规律,从而提出了一种类似常温下钢筋混凝土轴心受压柱设计计算的抗火设计新方法,并编制了相应的分析程序。这种设计方法不直接依赖于具体的温度场分析,仅取决于受火时间的长短,为设计人员的抗火设计工作提供了很大便利。最后,利用大量试验数据与该文提出的方法进行了对比研究。结果表明:该文提出的钢筋混凝土轴心受压柱抗火设计方法是安全而有效的。     

路堑开挖爆破中邻近民房风险评价的网格支持向量机模型

应用支持向量机理论并结合路堑开挖爆破特点,提出路堑开挖爆破中临近民房安全性评价的支持向量机回归模型。考虑爆破参数、地质条件和民房结构状况因素,选取最小抵抗线、孔距、排距、炸药单耗和民房的自振周期等16个影响较大的因素作为该模型的输入参数,房屋安全等级系数作为模型输出,利用网格搜索寻优方法对支持向量机模型的参数进行了优化。以19组路堑开挖爆破实测数据作为学习样本进行训练,对另外3组待判样本进行判别,并与多元回归、BP神经网络回归和实测结果进行对比。研究结果表明:建立的支持向量机回归模型对路堑开挖爆破中临近民房安全性评价效果良好,具有较高的预测精度。