基于物理引导的支持向量回归集成的二维单层钢框架地震响应预测
《Buildings》:Seismic Response Prediction of A 2D Single-Story Steel Frame Using Physics-Guided Support Vector Regression Ensemble
【字体:
大
中
小
】
时间:2026年08月28日
来源:Buildings 3.4
编辑推荐:
摘要
预测已进入塑性范围的结构在强地震动下的非线性地震响应,严重受到数据稀缺和计算成本的制约。为应对这一双重挑战,本文提出了一种基于支持向量回归(SVR)的物理引导集成模型。研究建立了单层钢结构的有限元模型,针对50个不同的天然地震动、在10个峰值加速度(PGA)强度水平下
摘要预测已进入塑性范围的结构在强地震动下的非线性地震响应,严重受到数据稀缺和计算成本的制约。为应对这一双重挑战,本文提出了一种基于支持向量回归(SVR)的物理引导集成模型。研究建立了单层钢结构的有限元模型,针对50个不同的天然地震动、在10个峰值加速度(PGA)强度水平下,采用增量动力分析(IDA)生成了500次非线性时程分析。通过一种创新的特征工程策略,将16个原始地震动参数分解为强度、波形和交互特征,从而将输入空间扩展至47个具有物理意义的维度。随后,基于互信息的筛选过程提取了信息丰富度最高的35个特征。与基准模型的系统比较表明,采用径向基函数(RBF)核的支持向量回归(SVR)在该任务中以较少的样本量表现出显著优于深度学习的性能,从而在有限数据条件下确认了结构风险最小化原则的优越性。此外,本文提出的两级堆叠集成模型在所有评估模型中取得了最低的平均绝对误差(MAE),展示了在减少预测偏差和抑制非线性地震响应估计中的极端误差方面具有更好的鲁棒性。这些结果表明,物理引导特征工程与基于核的学习方法的结合,为在已表征地震动条件下快速预测钢结构的地震响应提供了一种高效的代理方法。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号