考虑损伤状态阈值模糊性的重力坝地震易损性分析

由于结构损伤状态的演变是一个逐渐过渡的过程,以及分析认知的模糊性,重力坝地震损伤状态的阈值具有模糊性。本文提出了描述重力坝损伤状态阈值模糊性的数学模型,结合坝与地基系统的非线性有限元地震动力分析和Hariri-Ardebili的损伤状态量化方法,提出了重力坝模糊地震易损性分析方法。将提出的方法应用于Pine Flat重力坝,研究了隶属度函数形式和损伤状态阈值模糊区间的大小对Pine Flat重力坝地震易损性的影响。结果表明,损伤状态阈值模糊区间的大小对Pine Flat重力坝地震易损性的影响较大,而隶属度函数形式的影响较小。损伤状态阈值的模糊性导致Pine Flat重力坝轻度损伤状态的超越概率明显增加,而接近倒塌损伤状态的超越概率有所降低。因此,在重力坝地震易损性分析中应该考虑损伤状态阈值模糊性的影响。     

基于机器学习的重力坝变形监测统计模型及应用

为了提升重力坝变形监测模型精度,文章采用极限学习机(ELM)、基于网格搜索和交叉验证的支持向量机、基于模拟退火遗传算法优化的BP神经网络(GASA-BP)三种机器学习方法对经验模态分解(EMD)重构的周期项进行训练和预测,并与传统的最小二乘法进行对比分析。结果表明,机器学习算法可以有效提升模型的拟合及预测精度。