混合ANN-GA模型用于现有钢筋混凝土建筑的自动化快速易损性评估

摘要整理

在地震高风险地区，建立建筑物风险优先级评估体系并做出决策是地震前必须采取的重要预防措施。本研究开发了基于人工神经网络（ANN）的模型，用于预测占现有建筑存量大部分的钢筋混凝土（RC）建筑的风险优先级。通过与遗传算法（GA）建立混合结构，优化了网络结构中的网络参数，使ANN模型能够以最高效率进行准确预测。所提出的ANN模型采用前馈反向传播网络结构，旨在对329栋RC建筑的风险优先级进行最优预测，其性能评分采用土耳其快速评估方法（2013）计算得出。本研究实现了GA-ANN混合模型，利用该模型揭示的最优基因，ANN在计算性能评分时取得了显著成果。同时，对获得更高效结果所需的输入参数以及建立ANN网络结构所需使用的参数进行了优化。通过该混合模型，可以消除传统操作流程。所建立的混合模型在确定RC建筑风险优先级方面的成功率达到98%，为地震易损性快速评估提供了高效的自动化工具。

相关论文