公开(公告)号：CN117251926B

公开(公告)日：2024-03-15

申请号：CN202311544897.X

申请日：2023-11-20

Applicant: 东南大学

Inventor： 冯德成 ,  丁家怡

IPC: G06F30/13 ,  G06F30/27 ,  G06N20/00 ,  G06F111/08

Abstract: 本发明公开了一种地震响应预测的地震动强度指标优选方法，包括以下步骤：（1）搭建建筑损伤数据库；（2）地震动强度指标优选；（3）构建机器学习模型；（4）预测损伤状态；本发明采用弹性网算法选择最优地震动强度指标组合，其中基于弹性网模型的拟合优度和回归系数更新当前选择准则中的效率性和实用性，避免了传统方法中强度指标和结构响应服从对数线性关系的假定和强度指标维度的限制；在构建用于建筑结构震损评估的机器学习模型时，以最优地震动强度指标组合作为输入变量，可以显著提高模型预测准确性，同时降低训练所需的样本数。

公开(公告)号：CN118797791B

公开(公告)日：2024-12-17

申请号：CN202411282024.0

申请日：2024-09-13

Applicant: 东南大学

Inventor： 冯德成 ,  丁家怡

IPC: G06F30/13 ,  G06F30/23 ,  G06F30/27 ,  G06F111/10 ,  G06F111/08

Abstract: 本发明公开了一种基于泊松二项分布的城市建筑群地震易损性分析方法，包括以下步骤：获取目标城市的建筑群属性参数，建立每栋建筑的数值模型；确定目标城市的场地特征，获取符合场地特征的地震动记录；使用概率机器学习模型预测该地震情景下目标城市每栋建筑的不安全概率；基于泊松二项分布，根据每栋建筑的不安全概率推导出给定地震情景下目标城市建筑群的功能失效概率，获取目标城市建筑群的地震易损性模型。本发明可以高效、快速地构建考虑到建筑物间可变性的建筑物数值模型；建立可以量化建筑物响应内在随机性的概率机器学习模型，并直接提供参数化脆性模型所需的概率分布参数；有力地支撑了对城市建筑群损失、风险以及韧性的评估。

公开(公告)号：CN118797791A

公开(公告)日：2024-10-18

申请号：CN202411282024.0

申请日：2024-09-13

Applicant: 东南大学

Inventor： 冯德成 ,  丁家怡

IPC: G06F30/13 ,  G06F30/23 ,  G06F30/27 ,  G06F111/10 ,  G06F111/08

Abstract: 本发明公开了一种基于泊松二项分布的城市建筑群地震易损性分析方法，包括以下步骤：获取目标城市的建筑群属性参数，建立每栋建筑的数值模型；确定目标城市的场地特征，获取符合场地特征的地震动记录；使用概率机器学习模型预测该地震情景下目标城市每栋建筑的不安全概率；基于泊松二项分布，根据每栋建筑的不安全概率推导出给定地震情景下目标城市建筑群的功能失效概率，获取目标城市建筑群的地震易损性模型。本发明可以高效、快速地构建考虑到建筑物间可变性的建筑物数值模型；建立可以量化建筑物响应内在随机性的概率机器学习模型，并直接提供参数化脆性模型所需的概率分布参数；有力地支撑了对城市建筑群损失、风险以及韧性的评估。

公开(公告)号：CN117251926A

公开(公告)日：2023-12-19

申请号：CN202311544897.X

申请日：2023-11-20

Applicant: 东南大学

Inventor： 冯德成 ,  丁家怡

IPC: G06F30/13 ,  G06F30/27 ,  G06N20/00 ,  G06F111/08

Abstract: 本发明公开了一种地震响应预测的地震动强度指标优选方法，包括以下步骤：（1）搭建建筑损伤数据库；（2）地震动强度指标优选；（3）构建机器学习模型；（4）预测损伤状态；本发明采用弹性网算法选择最优地震动强度指标组合，其中基于弹性网模型的拟合优度和回归系数更新当前选择准则中的效率性和实用性，避免了传统方法中强度指标和结构响应服从对数线性关系的假定和强度指标维度的限制；在构建用于建筑结构震损评估的机器学习模型时，以最优地震动强度指标组合作为输入变量，可以显著提高模型预测准确性，同时降低训练所需的样本数。