[发明专利]桩-土-结构体系峰值地震反应预测方法、系统及介质有效
申请号: | 202110249042.9 | 申请日: | 2021-03-08 |
公开(公告)号: | CN113128081B | 公开(公告)日: | 2022-07-12 |
发明(设计)人: | 张效禹;欧思彤 | 申请(专利权)人: | 广州大学 |
主分类号: | G06F30/23 | 分类号: | G06F30/23;G06F30/27;G06K9/62 |
代理公司: | 广州嘉权专利商标事务所有限公司 44205 | 代理人: | 胡辉 |
地址: | 510006 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 结构 体系 峰值 地震 反应 预测 方法 系统 介质 | ||
本发明公开了一种桩‑土‑结构体系峰值地震反应预测方法、系统及介质,方法包括:建立基于桩‑土‑结构体系的三维有限元模型,将第一地震波数据输入三维有限元模型,输出得到第一峰值地震反应数据;根据第一地震波数据计算第一地震动参数;根据第一峰值地震反应数据和第一地震动参数建立第一决策树,并利用随机森林算法对第一决策树进行训练,得到峰值地震反应预测模型;获取待预测的第二地震波数据,根据第二地震波数据计算第二地震动参数,并将第二地震动参数输入峰值地震反应预测模型,预测得到第二峰值地震反应数据。本发明在确保峰值地震反应预测的准确性和可靠性的同时,提高了地震反应预测的效率,可广泛应用于地震反应预测技术领域。
技术领域
本发明涉及地震反应预测技术领域,尤其是一种桩-土-结构体系峰值地震反应预测方法、系统及介质。
背景技术
强震下,土体液化会对桩支承结构造成较为严重的破坏。在地震荷载的作用下,饱和松散砂土趋于密实,孔隙水压力不断增加,土体发生液化,这将导致桩周土体的强度和刚度显著降低,进而引起桩基础及其上部结构发生破坏。在1976年唐山地震、1995年阪神地震、2008年汶川地震以及2010年海地太子港地震和智利康塞普西翁地震中,均发生过大量场地液化引起桩基桥梁破坏的典型实例。鉴于此,准确预测液化场地桩-土-结构体系峰值地震反应,对解决可液化场地桩基结构抗震问题有着极其重要的作用。
同时,地震本身具有复杂性,每一次地震的震级、持续时间和频率都是不同的。一般来说,没有一个单一的地震动参数能够充分地描述地震运动的特征。并且,桩-土-结构体系在不同地震的作用下会表现出很大的差异。
近年来,国内外学者多采用试验和数值模拟的方法来对桩-土-结构体系的峰值地震反应进行准确的预测。试验方法主要包括离心机试验、振动台试验和全尺寸现场测试;数值模拟方法主要包括有限元法、有限差分法和p-y曲线法。每次试验的实施不可避免地需要投入大量的时间和金钱,相比之下,数值模拟方法由于投入的时间和金钱更少而受到人们越来越多的关注。然而,即便是采用高性能计算机,基于数值模拟方法进行桩-土-结构体系地震反应分析所需要的计算时间依旧很长,一般来说至少需要几十个小时,效率低下。因此,提出一种能够准确并快速预测在不同地震下桩-土-结构体系的峰值地震反应的方法是非常有必要的。
术语解释:
随机森林:利用多棵决策树树对样本进行训练并预测的一种分类器;
有限元分析:利用数学近似的方法对真实物理系统进行模拟;
地震反应:由地震动引起的结构内力、变形、位移及结构运动与加速度等;
地震动参数:对地震引起的地面运动的物理参数,包括峰值、反应谱和持续时间等的一种表征;
地基土液化:地震引起的振动使饱和砂土或粉土趋于密实,进而导致孔隙水压力急剧增加的一种现象;
机器学习:一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。
发明内容
本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
为此,本发明实施例的一个目的在于提供一种准确、高效的桩-土-结构体系峰值地震反应预测方法。
本发明实施例的另一个目的在于提供一种桩-土-结构体系峰值地震反应预测系统。
为了达到上述技术目的,本发明实施例所采取的技术方案包括:
第一方面,本发明实施例提供了一种桩-土-结构体系峰值地震反应预测方法,包括以下步骤:
建立基于桩-土-结构体系的三维有限元模型,将预设的多个第一地震波数据输入所述三维有限元模型,输出得到多个第一峰值地震反应数据;
根据所述第一地震波数据计算对应的第一地震动参数;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州大学,未经广州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110249042.9/2.html,转载请声明来源钻瓜专利网。