格式:pdf
大?。?span class="single-tag-height">873KB
頁數: 6頁
磚砌體結構是村鎮地區一種量大面廣的結構形式,其抗震性能薄弱,在地震中極易出現脆性破壞。本文嘗試應用基于L-M算法的BP神經網絡方法,利用它強大的非線性映射功能,建立起村鎮地區磚砌體結構震害影響因素與破壞狀態等級之間關系。設計出一個9-6-5的三層神經網絡模型,根據實地調查,篩選出影響房屋震害的9個主要因素,如層數、層高、砌筑方式、磚墻面積率等作為神經網絡的輸入參數,輸出參數為房屋5種破壞狀態。選擇2008汶川地震后四川、陜西、甘肅等地的震害實例作為學習樣本對所構建的神經網絡模型進行訓練。訓練結果表明,該模型對已訓練數據有很好的適應性,但如果要將其用于單個或群體建筑的易損性分析,并取得較精確的預測結果,還需積累足夠多的訓練樣本,并進行大量的網絡試驗工作。
格式:pdf
大?。?span class="single-tag-height">873KB
頁數: 6頁
磚砌體結構是村鎮地區一種量大面廣的結構形式,其抗震性能薄弱,在地震中極易出現脆性破壞。本文嘗試應用基于L-M算法的BP神經網絡方法,利用它強大的非線性映射功能,建立起村鎮地區磚砌體結構震害影響因素與破壞狀態等級之間關系。設計出一個9-6-5的三層神經網絡模型,根據實地調查,篩選出影響房屋震害的9個主要因素,如層數、層高、砌筑方式、磚墻面積率等作為神經網絡的輸入參數,輸出參數為房屋5種破壞狀態。選擇2008汶川地震后四川、陜西、甘肅等地的震害實例作為學習樣本對所構建的神經網絡模型進行訓練。訓練結果表明,該模型對已訓練數據有很好的適應性,但如果要將其用于單個或群體建筑的易損性分析,并取得較精確的預測結果,還需積累足夠多的訓練樣本,并進行大量的網絡試驗工作。