结构地震需求QRNN重要性分析

作者:王秀振钱永久邵长江宋帅

关键词: 地震需求神经网络分位数回归 MONTE-CARLO法机器学习结构可靠度重要性分析

摘要：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.

上一篇：开口管桩挤土效应的源-汇理论分析及透明土试验对比研究
下一篇：基于卷积神经网络和递归图的桥梁损伤智能识别

结构地震需求QRNN重要性分析

作者:王秀振 钱永久 邵长江 宋帅

关键词: 地震需求 神经网络分位数回归 MONTE-CARLO法 机器学习 结构可靠度 重要性分析

作者:王秀振钱永久邵长江宋帅

关键词: 地震需求神经网络分位数回归 MONTE-CARLO法机器学习结构可靠度重要性分析