[发明专利]一种基于机器学习和MSA预测核电厂地震易损性的方法

权利要求书

1.基于机器学习和MSA预测核电厂地震易损性的方法，其特征在于包括以下步骤：

S1、建立核电厂地震响应模型；

S2、计算安全壳和次级系统的结构地震中值能力值；

S3、对近场脉冲波进行缩放，选取地震动参数，进行随机动力时程分析，形成数据集；

S4、使用机器学习，进行特征选择和模型选择，确定最佳机器学习预测模型；

S5、建立基于机器学习的PSDM，实现地震需求响应预测，验证预测模型效果；

S6、使用预测模型进行MSA，依据最小二乘法，确定核电厂安全壳和次级系统失效的中值和标准差，从而建立核电厂安全壳和次级系统易损性曲线。

2.根据权利要求1所述的基于机器学习和MSA预测核电厂地震易损性的方法，其特征在于：步骤S1具体为：确定核电厂安全壳地震响应模型的计算参数，选定原始未缩放的近场脉冲地震波，计算地震需求响应；

所述核电厂安全壳地震响应模型的计算参数包括：安全壳和次级系统的结构分布，材料参数，结构的楼层质量和转动惯量，楼层的几何面积、剪切面积和惯性矩，其中材料参数包括混凝土的动态弹性模量、剪切模量、泊松比、阻尼比；

所述原始未缩放的近场脉冲地震波利用反应谱匹配选取，在PEER强震数据库中进行地震波预处理，包括滤波、基线调零，使输入地震波的平均频谱与RG1.60设计频谱相一致。

3.根据权利要求2所述的基于机器学习和MSA预测核电厂地震易损性的方法，其特征在于：所述计算地震需求响应，其地震需求响应是将随机地震动输入到建立的核电厂地震响应模型中，即可形成核电厂动力响应计算模型，开展动力时程分析，得到不同地震下的核电厂安全壳和次级系统的动力响应结果，其中安全壳以顶点位移最大值Dmax为地震需求参数，次级系统以5-33Hz的平均楼层加速度响应谱值AFSA为地震需求参数。

4.根据权利要求1所述的基于机器学习和MSA预测核电厂地震易损性的方法，其特征在于：步骤S2具体为：采用均匀分布模式加载，进行推覆分析，得到顶点位移-基底剪力曲线，线性段的末端对应的位移即为安全壳的结构地震中值能力；对选取的近场脉冲波，缩放调幅至核电厂一致风险性谱在结构第一自振周期处的谱加速度0.95g，进行动力时程分析，选取S1中次级系统AFSA为指标，得到对应的次级系统和结构地震中值能力，具体表达式为：

式中，y_i是动力时程分析得到的次级系统AFSA值，对数标准差β_r代表地震动的随机性，对数标准差β_u代表结构材料的不确定性，β_r和β_u的值分别为0.26和0.34。

5.根据权利要求1所述的基于机器学习和MSA预测核电厂地震易损性的方法，其特征在于：步骤S3具体为：近场脉冲波进行缩放是指根据地面峰值加速度PGA的大小将原始地震波调整为一组离散强度水平的地震波，以包括足够数量的超设计基准地震波来考虑结构在较高的强度范围内表现出的非弹性行为，扩大机器学习训练样本的范围；所述地震动参数，包括直接由地震动得到的参数和由结构弹性反应得到的参数。