查看更多>>摘要:填充墙钢筋混凝土(reinforced concrete,RC)框架是最常见的结构形式之一,实际震害和试验研究中发现填充墙对RC框架的抗震性能影响很大.为实现填充墙RC框架震后损伤状态准确、快速评估,首先根据不同的建筑结构信息(设防烈度、建造年代、层数、层高、跨数和填充率)设计了660个填充墙RC框架,结合10条地震动在OpenSees中对660个结构进行非线性时程分析,得到了6600个数据点,形成了填充墙RC框架震损评估模型建立的数据集.基于该数据集,采用朴素贝叶斯(naive Bayes,NB),K最近邻(K-nearest neighbors,KNN),决策树(decision tree,DT),人工神经网络(artificial neural network,ANN),随机森林(random forest,RF),自适应提升(adaptive boosting,AdaBoost),极端梯度提升(extreme gradient boosting,XGBoost),轻量级梯度提升(light gradient boosting machine,LightGBM),类别提升(category boosting,CatBoost)共9种机器学习的算法,建立了预测填充墙RC框架震后损伤的预测模型.研究结果表明:RF和CatBoost模型对损伤等级预测的精度最高,在测试集的准确率均达到0.93.紧随其后的是LightGBM和XGBoost模型,这些模型的准确率均超过了0.90.与实际震损数据对比,RF和CatBoost模型预测准确率均为47%,但CatBoost模型的预测误差在1个损伤等级范围内的准确率为76%,高于RF模型.基于CatBoost模型进行了不同输入变量的重要性分析,发现对填充墙RC框架震损影响最大的是设防烈度(seismic design intensity,SDI)、峰值地面速度(peak ground velocity,PGV)、0.4 s的谱加速度Sa(0.4 s).此外,随着结构层数越多,楼层数量(ns)对结构的震损等级影响也越大.