基于改进遗传算法优化BP神经网络的单体建筑物震害评估方法
CSTR:
作者:
中图分类号:

P315

基金项目:

“十三五”国家重点研发计划课题(2020YFA0710603)、四川地震科技创新团队专项(201901)共同资助


A Single Building Seismic Damage Assessment Method Based on Improved Genetic Algorithm Optimized BP Neural Network
Author:
  • 摘要
  • | |
  • 访问统计
  • |
  • 参考文献 [25]
  • |
  • 相似文献 [20]
  • | | |
  • 文章评论
    摘要:

    结合机器学习算法最新研究进展,提出一种基于改进遗传算法优化BP神经网络的单体建筑物震害评估方法。以四川地区为例,通过改进遗传算法优化BP神经网络建立评估模型,输出评估区域内不同结构类型单体建筑物在各震害影响因素综合作用下的破坏等级,并通过实际算例分析对模型的有效性进行验证。结果表明,该方法可快速、准确地评估单体建筑物震害情况。

    Abstract:

    This paper proposes a single building damage assessment method based on improved genetic algorithm optimized back propagation(BP)neural network,after reviewing the latest research progress in machine learning algorithms. Taking the Sichuan area as an example,the improved genetic algorithm optimized BP neural network is used to establish an assessment model and to output the damage levels of single buildings with different structural types in the assessment area under the combined effect of various seismic damage influencing factors. The validity of the model is verified through the analysis of practical examples,and the results show that the method can quickly and accurately assess the seismic damage of single buildings.

    参考文献
    别冬梅. 2011. 城市群体砖混建筑物抗震可靠度研究. 硕士学位论文. 青岛:中国海洋大学.
    陈华静,陈敬一,王东明. 2020. 建设国家地震灾害风险防治业务平台. 中国应急管理,(12):66~69.
    崔玉红,邱虎,聂永安,等. 2001. 国内外单体建筑物震害预测方法研究述评. 地震研究,24(2):175~182.
    戴静涵. 2019. 基于LM——BP神经网络的7度设防RC结构震害快速预测模型及系统. 硕士学位论文. 哈尔滨:中国地震局工程力学研究所.
    窦玉丹,袁永博,张明媛. 2010. 基于粗糙遗传BP网络的震害损失评估模型研究. 工程管理学报,24(1):29~32.
    范传鑫. 2014. 基于改进的RBF神经网络的城市震害损失评估模型. 硕士学位论文. 哈尔滨:哈尔滨工业大学.
    亢川川. 2017. 通过地形坡度估计四川省场地类别研究. 硕士学位论文. 北京:中国地震局地球物理研究所.
    李邯广. 2018. 浅谈我国地震灾害与防震减灾宣传. 科技传播,10(19):163~164.
    李赞,刘瑞丰,王子博,等. 2023. 2022年9月5日泸定 MS6.8 地震震源机制和辐射能量测定. 地震学报,45(2):196~202.
    刘本玉,叶燎原,江见鲸. 2002. 用模糊人工神经网络方法预测多层砖房震害. 清华大学学报(自然科学版),42(6):843~846.
    娄棕棋. 2019. 机器学习的理论发展及应用现状. 中国新通信,21(1):60~62.
    彭一凡. 2022. 面向机器学习算法优化的特征与样本选择策略研究. 硕士学位论文. 成都:电子科技大学.
    孙柏涛,李洋. 2021. 中国震害预测工作的沿革与发展. 工程力学,38(1):1~7,51.
    汤皓,陈国兴. 2006. 灰关联与人工神经网络在建筑物震害预测中的应用. 地震工程与工程振动,26(3):57~59.
    田旭光,宋彤,刘宇新. 2004. 结合遗传算法优化BP神经网络的结构和参数. 计算机应用与软件,21(6):69~71.
    吴欣欣. 2020. 改进的遗传算法优化BP神经网络. 信息记录材料,21(6):213~214.
    夏瑜潞. 2019. 人工神经网络的发展综述. 电脑知识与技术,15(20):227~229.
    杨海芳. 2018. 基于构造特征的高烈度区判定方法研究. 硕士学位论文. 北京:中国地震局地震预测研究所.
    尹之潜,杨淑文. 2004. 地震损失分析与设防标准. 北京:地震出版社,1~152.
    郑韵,杨天青,王青平,等. 2021. 基于Elman神经网络算法的地震经济损失快速评估研究. 中国地震,37(3):610~619.
    朱鹏宇,程佳,杜龙. 2022. 基于深度学习神经网络方法的中国大陆地震伤亡预测模型. 中国地震,38(4):651~661.
    Kircher C A,Nassar A A,Kustu O,et al. 1997. Development of building damage functions for earthquake loss estimation. Earthq Spectra,13(4):663~682.
    Noura H,Mebarki A,Abed M. 2019. Post-quake structural damage evaluation by neural networks:theory and calibration. Eur J Environ Civil Eng,23(6):710~727.
    Srinivas M,Patnaik L M. 1994. Adaptive probabilities of crossover and mutation in genetic algorithm. IEEE Trans Syst Man Cybernet,24(4):656~667.
    Yariyan P,Zabihi H,Wolf I D,et al. 2020. Earthquake risk assessment using an integrated fuzzy analytic hierarchy process with artificial neural networks based on GIS:a case study of Sanandaj in Iran. Int J Disast Risk Reduct,50:101705.
    引证文献
    网友评论
    网友评论
    分享到微博
    发 布
引用本文

孟雅湉,熊永良,郭红梅,张莹,赵真,江雪梨.基于改进遗传算法优化BP神经网络的单体建筑物震害评估方法[J].中国地震,2023,39(4):785-794

复制
分享
文章指标
  • 点击次数:195
  • 下载次数: 823
  • HTML阅读次数: 526
  • 引用次数: 0
历史
  • 收稿日期:2022-10-14
  • 最后修改日期:2023-04-17
  • 在线发布日期: 2024-01-08
  • 出版日期: 2023-12-15
文章二维码
您是第2932285位访问者
中国地震 ® 2025 版权所有
技术支持:北京勤云科技发展有限公司
请使用 Firefox、Chrome、IE10、IE11、360极速模式、搜狗极速模式、QQ极速模式等浏览器,其他浏览器不建议使用!