结构地震需求QRNN重要性分析

发布时间：2025-06-20 00:14

　　 为研究型钢混凝土框架结构地震需求在其分布范围内变化时,随机参数对其影响情况,将神经网络分位数回归应用于重要性分析中.考虑了8个随机参数的影响,并根据它们各自的概率密度函数进行抽样,利用有限元软件OpenSEES在多条地震动记录作用下进行动力非线性时程分析,得到了4种地震需求,然后分析得到神经网络分位数回归重要性测度指标,并将结果与Monte-Carlo数值模拟法进行了对比.结果表明:在不同条件分位数下,各个输入随机参数对应的重要性测度指标呈现不同的变化趋势;神经网络分位数回归方法在样本数远远少于Monte-Carlo数值模拟法的情况下,得到的输入随机参数的重要性测度指标基本一致,因此,神经网络分位数回归重要性分析方法是高效准确的,对大型复杂结构来说可以提高计算效率.

【文章页数】：13 页

【部分图文】：

图1 QRNN模型示意

上述分位数回归方法虽然应用广泛并且使用简单，但只是简单的线性回归方法，在具体的应用中，若样本中的输入随机参数与输出响应量之间存在非线性关系，分位数回归方法就无法建立准确的模型结构，即使建立近似模型，结果的可靠性和稳健性也无法得到保证．所以在2000年，Taylor在分位数回归方法....

图2 结构简图(单位:mm)

某7层3跨钢型钢凝土框架结构，底层层高4200mm，标准层层高3600mm，示意图如图2所示．柱距均为6000mm，楼板厚度120mm，混凝土保护层厚度为25mm，钢筋等级为HRB335，混凝土等级为C40，输入随机参数的详细信息如表1所示，梁和柱的截面信息见表2.本例用O....

图3 不同条件分位数下的顶点位移需求

本文选择结构纵向的顶点位移(Topdisplacement)、最大楼层加速度(Maximumflooracceleration)、基底剪力(Baseshear)和最大层间位移角(Maximumstorydriftangle)这4种地震需求进行重要性分析，图3给出了条....

图4 不同条件分位数下的重要性测度指标

图5给出了Monte-Carlo数值模拟法和条件分位数为0.5时QRNN重要性分析结果，从图5可知，同一随机参数对不同的地震需求的重要性有一定差异，DA和Ms的重要性测度指标相对较大;用两种分析方法得到的重要性测度指标基本一致，QRNN重要性分析方法在样本数为Monte-Carl....

本文编号：4051137