基于可解释人工智能的结构抗震评估、设计与加固数据驱动模型

摘要整理

随着全球基础设施老化和地震等自然灾害频率增加，建筑结构加固改造变得尤为重要。虽然传统数据驱动模型广泛应用于建筑状态预测，但近期人工智能（AI）技术在结构设计中的应用探索仍然有限。本研究提出了一种新颖的可解释AI框架，利用数据驱动模型进行结构评估、设计和加固。该框架通过特征重要性、特征交互、Shapley加法解释（SHAP）、模型无关局部解释（LIME）、部分依赖图（PDP）和个体条件期望等可解释性技术，突出模型的全局关键特征，并进一步进行局部调查以优化输入设计参数。首次将反事实技术创新性地应用于结构抗震评估和加固设计中，用于指导必要的输入参数调整以实现目标结构性能。通过非线性时程分析和实际地震记录对真实基准结构进行验证，结果表明该框架在设计地震作用下特别有效，能够有效改变结构刚度和强度，在不同地震情景下满足所需的抗震设计目标。该框架在结构工程和土木工程等多个领域具有广泛的应用前景。

相关论文