地震作用下建筑结构响应时程实时预测算法研究

为了提升地震作用下建筑结构时程响应预测的效率,采用深度学习技术,建立一种基于长短时记忆网络的SeisNet模型,以实现对建筑结构中大量节点在地震作用下响应时程的实时预测。SeisNet模型由预处理模块、编码器和解码器三部分构成,通过Seq2Seq机制,可以基于地震时程数据自回归式实时生成节点的加速度、速度和位移时程。针对单层钢筋混凝土结构模型和四层砌体结构模型,以100条地震波输入下的有限元弹性分析数据进行模型的训练和测试。研究表明:SeisNet模型可精确预测结构时程响应,单层钢筋混凝土结构节点的加速度、速度和位移时程预测值的平均皮尔逊相关系数分别为0.927、0.969和0.979,而四层砌体结构节点的可达0.854、0.926和0.973;SeisNet模型对单层钢筋混凝土结构和四层砌体结构响应的预测速度分别为有限元分析的127.5倍和520倍。对比试验表明,LSTM网络层数、解码器的时间步数和编码器的时间步数对预测结果准确率有较大影响,值得后续深入优化。