[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

说明书

本发明公开了一种基于机器学习和MSA预测核电厂地震易损性的方法，包括建立核电厂地震响应模型；计算核电厂安全壳和次级系统的结构地震中值能力值；对近场脉冲波进行缩放，选取地震动参数IM，进行动力时程响应分析，形成数据集；使用机器学习，进行特征选择和模型选择，确定预测地震需求响应的最佳地震动参数；建立结构响应基于机器学习的概率地震需求模型PSDM，实现地震需求参数EDP响应预测，验证预测模型效果；使用预测模型进行多条纹分析MSA，依据最小二乘法，确定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。本发明可以实现强震下核电厂结构地震损伤风险和抗震性能评估。

技术领域

本发明涉及一种基于机器学习和MSA预测核电厂地震易损性的方法，属于核电厂抗震减灾领域。

背景技术

作为抵御核泄漏的最后一道防线，核电厂安全壳应该能够承受地震等自然灾害的威胁。近年来，世界范围内地震灾害频发，核电站防御地震的能力越来越受到高度重视，一旦混凝土安全壳被损坏，它将失去防止核泄漏的能力。值得注意的是，核电站的结构和设备都可能受到强烈地震的严重威胁，因此在核电站的抗震设计中，不仅安全壳结构不应受损，而且内部仪器设备等次级系统也应该是安全的。在基于性态的地震工程框架内，需要在PSDM中适当地建立EDP和IM之间的关系。核电站PSDM的一个重要方面是对地震需求响应的准确预测，对于核电厂，与地震动相关的不确定性和随机性远远超过与核电厂结构相关的任何其他不确定性。

传统的建立核电厂PSDM的方法是基于线性回归，考虑IM与地震需求响应的相关性，使用标量IM或矢量IMs来预测地震需求响应。然而，标量IM或矢量IMs不能解释地面运动的所有相关特征，同时由于传统的线性函数在纳入各种不确定性来源方面缺乏灵活性，可能会影响需求估计，特别是在核电厂的结构中这种限制特别关键，因为考虑到超设计基础地震下的刚度退化，核电厂安全壳和次级系统往往表现出非弹性行为。在现有诸多公开的文献中，推导易损性曲线的程序来自非线性动力时程分析，包括云方法(C.A.Cornell,F.Jalayer,R.O.Hamburger,D.A.Foutch,Probabilistic basis for 2000 SAC federalemergency management agency steel moment frame guidelines,J.Struct.Eng.128(4)(2002)526-533.；F.Jalayer,Direct probabilistic seismic analysis:implementingnon-linear dynamic assessments.Ph.D dissertation.Stanford University(2003).)、增量动力分析IDA(D.Vamvatsikos,C.A.Cornell,Incremental dynamic analysis,Earthquake Eng.Struct.Dyn.31(3)(2002)491-514.)和多条纹分析法MSA(F.Jalayer,J.Beck,Effects of two alternative representations of ground-motionuncertainty on probabilistic seismic demand assessment of structures,Earthquake Eng.Struct.Dyn.37(1)(2008)61-79.；F.Jalayer,C.A.Cornell,Alternativenon-linear demand estimation methods for probability-based seismicassessments,Earthquake Eng Struct Dyn,38(8)(2009)951-972.)。云方法是通过分析一组未缩放的地震加速度序列来完成的，假设IM-EDP关系存在适当的对数-对数线性关系。云分析的局限性主要是由于潜在的回归假设，在超设计基准地震下，基于线性回归的标量IM无法捕获非弹性行为，从而导致映射过程中的偏差。因此，云方法并不严格适用于具有三线性剪切行为的核电厂。IDA方法使用某条特定的地震输入，通过设定一系列单调递增的IM，并对每个地震强度指标下的地震输入进行结构非线性时程分析，而MSA方法，使用缩放到特定目标强度的地震记录作为结构的输入，覆盖了从弹性到弹塑性直到结构动力失稳的反应全过程，同时能够反映出结构在不同强度等级地震下的地震需求能力和整体抗倒塌能力，然而时程分析在计算上是费力的。机器学习由于其在分析复杂和不确定的问题方面的优势，促进了在不同工程领域的应用。现有的机器学习方法在核电厂的易损性分析中的应用在过去很少被研究，目前应用也集中在使用神经网络选择最相关IM，并对易损性曲线不确定性进行量化，然而结构失效概率仍是通过云方法计算得出，难以捕捉结构在超设计基准地震下的非线性行为(Z.Wang,N.Pedroni,I.Zentner,E.Zio,Seismic fragilityanalysis with artificial neural networks:Applicationtonuclearpowerplantequipment,Eng.Struct,162,(2018)213-225.)。