桥梁地震损伤评估模型应用人工神经网络和随机森林算法

文摘

地震造成重大损害桥梁,在运输服务有一个战略位置。一座桥梁的破坏将严重阻碍应急救援。快速评估桥梁地震损伤可以帮助有关部门迅速做出判断后地震和节省救援时间。提出了一种快速评估方法,桥梁地震损伤基于随机森林算法(RF)和人工神经网络(ANN)。这种方法评估每个不确定影响因素的相对重要性地震损坏的梁桥和拱桥,分别。ANN模型的输入变量的因素具有较高价值,重要性和输出变量的损伤状态。汶川地震的数据作为测试集和训练集,和唐山大地震的数据作为验证集。严重的和完整的损伤状态下的桥梁在地震后无法访问之前,应该改革和加强地震。结果表明,该方法具有良好的性能评估的损伤状态两个桥梁。它足够健壮的扩展和提高应急决策,为救援工作节省时间,并帮助与桥梁施工。

1。介绍

地震对人类和社会经济的影响(造成巨大的损害<一个href="#B1">1- - - - - -<一个href="#B4">4]。为了减少损失,有必要制定一个postearthquake救援计划及时、科学地(<一个href="#B5">5]。然而,开发一个救援计划需要了解灾区(周围的交通状况<一个href="#B6">6]。少量的信息获得postearthquake实地调查不能单独指导救援工作。同时,生命线系统已经引起越来越多的关注,尤其是风险损害的脆弱性<一个href="#B7">7]。交通基础设施是社会的最重要的生命线系统之一(<一个href="#B8">8]。如果桥的地震损失评估可以在灾难之前,进行交通容量可以快速判断地震后(<一个href="#B9">9]。这可以帮助政府和节省宝贵的救援时间<一个href="#B6">6]。此外,准确preearthquake评估还可以识别领域的抗震地区预防和加固,从而减少地震造成的潜在损害。因此,如何进行准确的地震损失评估已经成为一个重要的现实问题。

虽然有许多因素影响桥梁的损伤,不是每一个都有至关重要的作用。因此,它是至关重要的选择一个适当的技术来评估不同因素的重要性。线性方法常常应用于评价因素重要性(<一个href="#B10">10]。Mangalathu等人建立了桥脆弱性和因素之间的关联应用线性技术(<一个href="#B11">11]。然而,由于每个相关特性的模糊<一个href="#B12">12],合奏的机器学习模型由一些研究并用于因素相关性评价问题(<一个href="#B13">13- - - - - -<一个href="#B15">15)提高精确和广义经验方法的性能<一个href="#B16">16]。已经证明的结果整体模型比实证方法(<一个href="#B10">10]。最近的一项研究给了每个不确定输入参数的相对重要性的脆弱性曲线倾斜桥梁基于三层神经网络(<一个href="#B11">11]。然而,没有研究使用合奏的方法来评估地震风险区域的功能的重要性。整体学习使用最广泛的技术之一是射频方法,具有最佳的总体性能与其他算法相比,如演算法、逻辑回归、分类和回归树(CART) [<一个href="#B17">17]。

提出了不同的方法来评估脆弱性(<一个href="#B18">18]或桥梁的损伤。一些先前的研究详细评估个别桥梁通过使用不同的方法,如多点加速度测量和人工神经网络(<一个href="#B19">19),相对风险评估桥梁和失效模式的风险优先数的限制(rpn)与单个失效模式<一个href="#B20">20.),以及贝叶斯方法(<一个href="#B21">21]。一些研究提出桥组件的评价方法(<一个href="#B22">22]。然而,紧急的工作需要大量的评价结果的桥梁在短时间内获得。大多数研究使用线性模型或一些评价系统,例如,风险优先数(rpn) [<一个href="#B20">20.),危害美国多人危害(HAZUS) [<一个href="#B23">23),故障模式及影响分析(FMEA)系统(<一个href="#B24">24]。这些评估系统能给风险评估的一个桥梁,给特定形式的损伤,如无效的角,无效的位置,和无效的数量结构。评估过程的高速公路桥梁的抗震性能分为三个分支:拓扑分析、脆弱性分析,交通流分析(<一个href="#B6">6]。这项研究可以作为一个工具postemergency响应的决策管理和公路桥梁的抗震改造。尽管如此,统计模型往往提出线性技术,通过建立评估函数(<一个href="#B25">25],它可能很难制定结构受到大的非弹性变形(<一个href="#B26">26]。这些缺点是可以克服人工神经网络。人工神经网络有很好的可预测性即使所有属性混合在一起估计需求模型(<一个href="#B11">11]。

由于其准确性、通用性和稳健性,人工神经网络已被应用于各种各样的问题,包括模式识别、数据挖掘、图像处理(<一个href="#B19">19]。随着人工智能技术的迅速发展,许多基于ANN方法评估脆弱性的研究开始出现(<一个href="#B27">27]。它是用来评估不同桥梁[的脆弱性<一个href="#B11">11]。多参数脆弱性方法有助于产生脆弱性曲线为一个特定的倾斜角和一组桥参数。然而,以复杂的方式获得的脆弱性曲线,不能获得在几分钟<一个href="#B11">11]。步骤如下:(1)估计基于ANN的需求,(2)使用拉丁超立方体抽样(lh)方法估计的能力,和(3)使用逻辑回归脆弱性曲线。因此,尽管估计可以帮助桥检验工人优先考虑他们的复苏方法地震发生后,它不能帮助紧急救援工作。

本研究提出了一种方法梁桥和拱桥的损伤评估考虑到不同的地震桥损伤特性的重要性。与以前研究的应用为单个或多个桥或桥组件安评估(<一个href="#B11">11),本研究探讨了使用安大部分桥梁的损伤状态估计在整个灾区。也不像先前的研究在线性回归的应用桥梁地震评估(<一个href="#B5">5),本研究使用机器学习技术选择特性和提出的新模型,可以避免假设和使用经验公式,甚至可以避免专家经验的主观影响。

本文的主要贡献包括以下几点:(1)考虑功能的重要性和应用RF算法计算模型,它提供了一个不同的观点来选择特征作为输入变量;(2)大量的桥梁的损伤状态是通过改善安几个深学习算法的模型。它提供了一个替代方法为发展中传统的桥梁和preearthquake维护postearthquake应急救援决策。

本研究评估功能的重要性通过应用射频模型和使用数据从2008年的汶川地震。然后,安损伤评估模型处理结果显示以前的工作的梁桥和拱桥,分别。检查评估模型的准确性和适用性,本研究选择的线性回归模型<一个href="#B5">5)和40桥梁在1976年的唐山大地震。最后,未来的扩展和该方法的局限性进行了讨论。

2。数据

Mw7.9汶川地震5月12日,2008年,广泛和重要影响,有巨大的破坏力和余震持续了很长一段时间。地震发生后,中国地震局派出专家进行现场调查和建立4150年调查的网站调查面积500000平方公里(<一个href="#B5">5]。调查数据全面、规范、详细,并完成在唐山大地震的数据比较和海城地震。因此,他们是适合统计分析,本研究使用了桥汶川地震的数据。

汶川地震的调查范围是基于确定的全国地区,严重影响国家干线公路极其严重的灾区,和所有的县、乡公路桥梁。它涵盖10个县和城市在四川,陕西,甘肃:汶川、北川,绵竹市,什邡的城市,青川县,毛泽东县,安县都江堰市,平县和彭州城市,共有47个高速公路和国家高速公路。调查区域覆盖强度与VI-XI学位。桥梁的地震预防强度最最难和最严重的地区地震前七世。共有2154座桥梁进行调查:746年第六度区域,287年第七区,175年第九度区域,和168年在X和XI区域。其中,1525人梁桥梁和590是拱桥,剩下的桥梁是斜拉桥和悬索桥。因此,本文选择了梁桥和拱桥。

调查分为三个阶段。(1)紧急冲阶段从5月12日,2008年,5月27日,2008年。特点是它进入灾区地震后的第一次。地震破坏数据最好能反映高速公路桥梁的地震破坏地震发生后,及时性是强劲。调查的范围是有限的生命通道导致最严重的灾区。基本上,没有使用设备。专家评估大桥通过地震破坏的能力以满足应急交通需求。(2)确保大桥能力阶段从5月23日,2008年,2008年7月底。交通主管部门协调和安排,广泛和全面的调查,包括所有高速公路和国家和省级干线公路桥梁灾区。调查,仪器用于全面的测试,系统测试报告成立postearthquake桥。 (3) The supplementary investigation stage was from August 2008 to May 2009. On the basis of the survey data and data of the first two stages of the verification, a supplementary investigation was conducted on some bridges in the first two stages, where the earthquake damage investigation was insufficient and the inaccessible areas were not included. At this stage, some roads, bridges, and municipal bridges in counties and townships were also investigated. At the same time, the bridge design data, bridge coordinates, and bridge axis directions were collected.

表<一个href="//www.newsama.com/journals/ace/2020/6548682/tab1/" target="_blank">1展示了调查的主要地震损害梁桥和拱桥。图<一个href="//www.newsama.com/journals/ace/2020/6548682/fig1/" target="_blank">1显示了一个典型的桥梁损伤的照片在汶川县:Caopo 3^{理查德·道金斯}桥。第一张照片是在地震之前,和之后的其他损害。第二幅图在第一行了第七桥的跨度向左移动32厘米;第一张图片在第二行显示了断裂之间的联合左块和码头的应对应对梁。裂缝发展从顶部左边(根切和渗透)。裂缝是约0.7 - -1.2米,宽度约为0.15 - -0.35米。最后一张照片显示,双方的锥坡桥台的局部开裂,一些关节脱落,整个锥坡下沉,解决高度0.1 - -0.4米。

3所示。特性

3.1。选择功能

地震损伤评估项目中一个至关重要的问题是是否确实有助于评估的特性。有许多特性影响桥梁的损伤<一个href="#B28">28- - - - - -<一个href="#B30">30.),例如,地震活动强度,桥的参数和桥周围的环境。然而,一些特性缺乏足够的数据。本研究选择的一些因素如下:结构类型、桥墩类型、基础类型、轴承类型、线性的桥梁,桥尺度,网站的类型,土壤、地震预防强度,以及地震的实际强度。表<一个href="//www.newsama.com/journals/ace/2020/6548682/tab2/" target="_blank">2介绍了各种功能。(我)不同的结构类型有不同的合理的跨度,力传输的方法,和轴承负荷的原则。梁桥梁被归类为简支梁桥、钢桁桥(连续梁桥),并在本研究悬臂梁桥。简支梁桥具有以下特点:(1)礼仪是简单的力和力的方法传输是明确的;(2)桥的变形不能产生压力重新分配;(3)主要用于小跨度的桥梁。连续梁桥适用于较大的跨度和可变形性差负力矩段。拱桥进行分类根据拱圈的材料(2)一个桥墩刚度较大不利于吸收振动能量,和斜裂缝将发生在地震条件下(<一个href="#B18">18),而较小的桥墩刚度比标准更容易变形,变得不稳定。因此,桥墩的一个重要组成部分,传输负载从上层建筑的基础,有着非常重要的影响在桥上的损害。梁桥的码头被归类为五种类型:没有码头,砌体坚实的码头,码头,弯曲矩形薄壁墩,单柱码头(3)基础的影响桥梁的地震破坏主要是由于传播力(<一个href="#B31">31日]。与传播基础相比,沉井基础,和多排的桩基础,桩基础弯曲和高平台桩基容易断桩和水平荷载作用下桩的超然。此外,如果梁下降,也有可能为它打破码头或桩帽。因此,对桥梁损伤至关重要的基础(IV)轴承、重要设备传输力从主光束到码头,被归类为橡胶轴承钢轴承,具体方位,和四氟乙烯轴承材料。轴承的变形能力有一定影响桥梁损伤,也是一个重要的组件在当地地震方案(<一个href="#B32">32- - - - - -<一个href="#B34">34]。对于轴承的一座桥,减震支持通常是用来减少地震的影响在桥上。减震支座提供减震器和使用介质的粘度产生的阻尼力或橡胶的弹性。橡胶轴承的变形能力强比一个具体的轴承变形能力较差。因此,轴承类型,也是可以考虑的一个因素(V)桥的线性是指主光束的几何形状与河岸和转角的类型。斜交桥的内力分布是非常复杂的,在外力作用下有大反应钝角地区和消极的时刻。有巨大差异和不协调的内力锐角和钝角之间区域动态载荷作用下的变形和内力。这很容易导致桥面损伤。因此,斜交桥的抗震性能比这更糟的正交桥(VI)由于大质量,一座桥与一个更大的跨度更大的惯性力的作用下地震加速度。横向荷载较大,横向滑动更容易发生。此外,中跨桥梁的挠度与垂直荷载下大跨度也大,这使得它容易主要梁裂纹甚至断裂。因此,桥梁规模是至关重要的地震损伤(<一个href="#B11">11](七)站点土壤是指土壤层桥所在地。它可以分为四类。站点土壤影响地基的承载力和基础失败。失败的第四类我网站土类土壤在相同地震烈度逐渐增加。此外,该基金会失败意味着从上层建筑很难承受的负载基金会,这常常会导致严重损坏桥。因此,土壤类型的网站也是一个重要因素影响桥梁的地震破坏(八)强度规模由一系列的某些关键反应等人觉醒,家具的运动,损害烟囱,最后全部毁灭。预防强度指的是最高强度的地震在某一地区多年,在桥梁结构抗震的主要指标。地震预防强度是一个指标,全面反映了桥梁施工水平和抗震性能。它包括地震等因素的影响,地震检查,布局,和当地地震组件。这些因素不能详细划分,但他们有一定程度的对桥梁的抗震性能的影响(第九)实际的地震强度是一个重要因素影响桥梁损伤的程度。这意味着与设计相关的设计地震烈度和不是地面加速度或峰值地面加速度(PGA)的地震。显然,从整体趋势,地震烈度越高在其他情况下,桥的损伤越严重。虽然结果还包括其他因素、强度和破坏的程度呈正相关的整体趋势。此外,地震破坏评估必须给予强度。因此,地震烈度应该作为一个因素

3.2。默认的处理

有默认值的数据集。本研究选择了再把默认值(资讯)算法。然而,一个简单的机器学习算法,主要用于解决分类问题。假设一个默认值的过程中,需要计算欧氏距离(方程(<一个href="#EEq1">1为每个预测)的所有数据集对象。欧氏距离可以描述的真实距离(物理距离)在n维空间中两个点。有两个<我>n维向量 和 ,在哪里<我>x是默认值吗<我>y是完整的数据特征。的欧氏距离<我>x和<我>y表示为

结果排序,<我>K点接近预测的数据形成的决定选择集<我>C。<我>年代是默认值集合。我们填写默认值平均

3.3。因素的重要性

损害国家被分成五个州按先前的研究[<一个href="#B6">6,<一个href="#B36">36)(表<一个href="//www.newsama.com/journals/ace/2020/6548682/tab3/" target="_blank">3):不伤害,轻微损坏,中度受损,严重受损,完全损坏。有很多地震损伤状态评估方法;例如,基于专家经验/判断、经验、实验、分析、和混合方法。基于专家经验和实证方法不需要需求/能力比率和延性变形比例。损害国家的研究都是基于现场检查和可以获得更迅速的信息桥梁。由Breiman RF算法(<一个href="#B37">37),证明达到合适的结果在特征选择中的应用<一个href="#B38">38]。RF算法被选为分类器的评估九个功能的重要性,和分类回归树(CART)算法应用于分类的数据(<一个href="#B14">14]。车是一种用于监督学习的技术为解决分类和回归任务;车模型学习简单的决策规则,从特征推断用树状图来演示的动作。决策树的每个分支代表一个可能的决定,发生,或反应的统计概率。基尼指数( )基于特征选择可以实现降维和消除噪声的分类任务(<一个href="#B39">39]。射频处理模型以及基尼系数的世爵模块,这是一个科学的Python开发环境。分类树的数量是82年根据运行测试。RF模型的步骤如下:找到每个特性的贡献在RF每棵树,取平均值,最后比较特性之间的贡献。的贡献表明一个因素的重要性。该算法使用VIM来表示变量措施和重要性<我>胃肠道代表基尼指数。假设有<我>米特性 。然后,每个特性<我>X_j计算。基尼指数 ,的平均变化是什么<我>jth特性的节点分裂杂质在所有射频决策树。表示为 在哪里<我>米特征的数量(节点),<我>K分类器的数目,<我>两家公司的比例是<我>k在<我>米。的变化之前和之后<我>米表示为 在哪里是变化的和和表明这两个新节点的基尼系数后分支,分别。如果节点的功能<我>j出现在决策树的集合<我>米,那么重要的特性<我>j在<我>我th号码是

伤害度 特征 没有损坏 承载和non-load-bearing组件是完整,或者个人承载组件可以使用轻微受损,没有修复 轻微损坏 可见裂缝出现在个人承载组件;non-load-bearing组件有明显裂缝;可以使用没有维修或修理吗 中度受损 大多数承载成员有轻微的裂缝;一些有明显裂缝;一些非承重成员严重受损;一般维修后可以使用吗 严重损坏 承载的大部分成员是严重损坏;非承重成员部分倒塌;修复是很困难的 完全损坏 大部分的承载组件严重受损;结构往往会崩溃或倒塌;不可能修复,需要重建

表3

损坏的五个州的特点。

如果有<我>n射频的树木模型,特征的重要性<我>j, ,表示为

最后,所有的重要性分数归一化得到:

的平均精度(平均成绩)的分类随机森林算法0.8304,和随机森林分类器的标准差是0.0124。这个精度大大提高相比,逻辑回归模型的分类精度,0.7879,使用相同的参数。不同因素的重要性在梁桥和拱桥地震损伤评估呈现在图<一个href="//www.newsama.com/journals/ace/2020/6548682/fig2/" target="_blank">2。之间的范围是0.0(分钟)和1.0 (max)两种类型的桥梁。这是归一化和特征的总和等于1.0。在整个射频模型实验中,随机选择三个实验。特性的三个实验的顺序是相同的,可以看到,每一次的结果几乎是一样的。图<一个href="//www.newsama.com/journals/ace/2020/6548682/fig2/" target="_blank">2也显示了三个实验的结果。I-IX值在横坐标代表9个特性,纵坐标是特性的重要性。这证明RF算法可以获得一个合适的评价功能相关的问题(<一个href="#B15">15]。

(一)

(b)

(一)
(b)

图2

处理梁桥和拱桥随机森林模型:(一)梁桥;(b)拱桥。

4所示。评估模型

七个特性的变量被选为梁桥和拱桥的评估模型,分别(表<一个href="//www.newsama.com/journals/ace/2020/6548682/tab4/" target="_blank">4)。输入参数的选择取决于优先的重要性,而是更重要的参数。结构类型的引入和桥梁梁桥模型的线性度分别为0.014和0.027。基础类型的引入和桥梁衬垫拱桥分别为0.004和0.031。上面提到的特性没有选择,因为他们的低的重要性。

梁桥 拱桥 实际地震强度 实际地震强度 地震预防强度 地震预防强度 土壤类型的网站 土壤类型的网站 桥墩类型 桥墩类型 桥尺度 桥尺度 轴承类型 轴承类型 基础类型 结构类型

表4

选定的梁桥和拱桥的特点。

汶川地震有几个特点,高于其他巨大的地震:强度、影响范围和程度的数据集合。因此,590年有1525梁桥梁和拱桥的汶川大地震2008年选为样本数据集。预处理openpyxl函数的蟒蛇导航器环境。梁桥模型中,有1300座桥梁为训练集和225座桥梁为测试集。在拱桥模型中,有400座桥梁作为训练集,190座桥梁作为测试集。

安由一个输入层,多个隐藏层和输出层。一旦给安的输入数据,输出值沿层网络的计算顺序。在每一层,输入向量组成的每个单元的输出值在下面层的权向量乘以每个单元在当前层产生加权和。一个非线性函数,比如乙状结肠,双曲正切,或修正线性单元(ReLU),应用于加权和来计算层的输出值。每一层的计算将下面的层表示转换为更抽象表示。基于类型的层用于安和相应的学习方法,安可以分为多层感知器,基于前馈神经网络(FFNN)堆放AutoEncoders(节约),或深刻的信念网络。对于一个复杂的问题,该方法可以很好地解决这个问题的时候已经5到20层(<一个href="#B40">40]。一个五层安决定由于汶川地震的数据集。中间层神经元的数量被选中来获得合适的和令人满意的结果<一个href="#B41">41]。为了获得这些,正在运行的进程从10开始,3,分别和2。更多的神经元的过程是重复。通过培训,最终决定采取40岁,20日和5神经元作为中间层神经元的数量减少的困难和训练时间的方法。有几种方法控制安的培训,防止过度拟合训练阶段。最常见的正规化,L2正规化,被选中。使用梯度下降法参数更新,L2正规化意味着每一个重量将线性衰减为零。hyperparameters是获得如表所示<一个href="//www.newsama.com/journals/ace/2020/6548682/tab5/" target="_blank">5。

超参数 Mini-batch 基本的学习速率 学习速率的衰减率 L2 移动平均线的衰减率 数量 16 0.8 0.98 0.0001 0.99

表5

Hyperparameters梁桥和拱桥的模型。

移动平均模型,自适应估计(亚当),和小批处理梯度下降法被选为ANN模型的优化算法。亚当的方法解决问题在大型数据集和高维参数空间<一个href="#B42">42]。它可以克服随机梯度下降的缺点,保持一个学习速率更新所有权,和学习速率的训练过程中并没有改变。设计一个独立的自适应学习速率的参数。mini-batch梯度下降法可以克服的缺点批处理梯度下降法和随机梯度下降法(<一个href="#B43">43)通过将数据划分为一些训练池和更新的参数根据池。因此,选择合适的训练池大小可以实现算法优化的目的,减少计算,计算速度更快,提高熟练程度,加速收敛(<一个href="#B44">44),不能有效地控制动荡和梯度下降法的数据。本研究的样本的数量没有超过2000人。因此,16桥是决定实验池。移动平均模型旨在避免突变的过程参数更新(<一个href="#B45">45]。这可以提高ANN模型的准确性在一定程度上的测试集。这是通过指数移动平均函数TensorFlow框架(<一个href="#B46">46],它维护一个影子变量为每个变量。影子变量的初始值对应的变量的初始值,和影子变量的值(和<我>b)更新。衰变率决定了模型的更新速度。衰减越大,越大的影子比例变量。

TensorFlow框架(<一个href="#B46">46)是用于模型。正向传播、网络结构和初始权值决定。正态分布和ReLU函数(<一个href="#B40">40)被选为体重生成函数和激活函数,分别。ReLU函数应用于第二和第三层。是稍快比其他激活函数,计算和梯度下降法不一样被困在高原相比,逻辑函数和双曲正切函数,通常在1浸透。第四层和第五层处理线性回归。亚当的技术被选为反向传播方法。均方误差损失函数的函数被选中,是因为通常被应用与ReLU激活函数。

5。结果

模型的结果进行了比较与线性回归模型的基础上,2008年汶川大地震,和方程(<一个href="#EEq8">8)提出了回归方程(<一个href="#EEq5">5): 在哪里<我>Y桥梁的损伤指数,分别对应五损害水平,。索引从没有损害完全损坏如下:≤0.00<我>Y<0.10、0.10≤<我>Y<0.30、0.30≤<我>Y<0.55、0.55≤<我>Y<≤0.85,和0.85<我>Y<1.00;<我>c是常系数;和<我>一个_ij的回归系数吗<我>jth子类的<我>我th类的识别分类通过统计产品与服务解决方案软件(SPSS)。因为独立变量之间的共线性问题,于选定的每个特性之一设置一个初始系数,然后减去系数从因变量<一个href="#B5">5];<我>x_ij的参数的值是<我>jth子类的<我>我th类的大桥,大桥和设置参数值的不一致是0。表<一个href="//www.newsama.com/journals/ace/2020/6548682/tab6/" target="_blank">6介绍了比较的结果之间的梁桥和拱桥ANN模型和线性回归模型。在实际应急救援中,是可以接受的实际值和预测值之间的差异(一层)。然而,如果预测结果与实际值由两个水平甚至超过两个的水平,它将影响政府有关机构的决定。研究结果表明,该优化算法具有良好的性能的提高运行时间。ANN模型的精度(92.3%和88.5%)远远大于那些线性回归模型(71.9%和71.5%)的平均水平。同样,一个水平差异的比例(5.6%和8.2%)远小于线性模型(26.4%和27.6%)。梁桥的预测精度高于拱桥的ANN模型的结果和线性回归模型的两种类型的桥梁是相似的。

差异 ANN模型 线性回归模型 梁式桥 拱桥 梁式桥 拱桥 平等的 92.3 88.5 71.9 71.5 一个级别 5.6 8.2 26.4 27.6 ≥两个层次 2.1 3.3 1.7 0.9

表6

安之间的对比模型和线性回归模型的梁桥和拱桥(%)。结果显示之间的差别水平的预测价值和实际价值为零,一级,另一个水平。

有40桥梁包括梁桥和拱桥在1976年的唐山大地震被选为验证集。土壤类型的网站删除了砂土液化现象的发生。因为这次地震发生在40多年前,一代又一代的规范已经更新。因此,地震预防强度和桥梁规模被删除,因为他们不适用。表<一个href="//www.newsama.com/journals/ace/2020/6548682/tab7/" target="_blank">7显示了数据40桥梁和预测结果。其中,共有9个桥梁的结果不同于真正的价值。然而,所有展览一级的区别。四桥的结果是,他们严重受损,但真正的价值观中度受损;其他五个桥梁造成轻微破坏,四桥的真正价值是中度受损,另一个是没有伤害。的概率损伤简支梁桥不同于真实价值是5/19(23.3%)的连续梁桥是2/5(40.0%),和拱桥是2/16 (12.5%)。

结构类型 桥墩 基金会 轴承 强度 安 真正价值 1 简支 弯曲 深 其他 X 认真 适度 2 简支 Masonary固体 深 其他 X 认真 适度 3 简支 Masonary固体 深 其他 X 认真 适度 4 简支 薄壁 深 其他 X 认真 认真 5 连续 弯曲 深 其他 第九 认真 适度 6 简支 Masonary固体 深 其他 第九 适度 适度 7 简支 弯曲 深 其他 第九 适度 适度 8 连续 弯曲 深 其他 第九 适度 适度 9 连续 弯曲 深 其他 八世 适度 适度 10 连续 弯曲 深 其他 八世 认真 认真 11 连续 弯曲 深 其他 八世 适度 适度 12 连续 弯曲 深 其他 八世 适度 适度 13 连续 弯曲 深 其他 八世 适度 适度 14 简支 弯曲 深 其他 八世 适度 适度 15 简支 弯曲 深 其他 八世 适度 适度 16 连续 弯曲 深 其他 八世 适度 适度 17 连续 弯曲 深 其他 八世 适度 适度 18 连续 弯曲 深 其他 八世 认真 认真 19 连续 Masonary固体 深 其他 八世 适度 适度 20. 简支 Masonary固体 深 其他 八世 适度 适度 21 简支 Masonary固体 深 其他 八世 适度 适度 22 连续 弯曲 深 其他 八世 略 略 23 简支 弯曲 深 其他 七世 略 适度 24 简支 弯曲 深 其他 七世 略 没有 25 简支 弯曲 深 其他 七世 略 没有 26 简支 弯曲 深 其他 七世 适度 适度 27 简支 弯曲 深 其他 七世 适度 适度 28 简支 弯曲 深 其他 七世 略 略 29日 连续 弯曲 深 其他 七世 略 略 30. 简支 弯曲 深 其他 七世 略 略 31日 连续 弯曲 深 其他 七世 略 略 32 简支 弯曲 深 其他 七世 略 适度 33 连续 弯曲 深 其他 七世 略 略 34 简支 弯曲 深 其他 七世 没有 没有 35 连续 弯曲 深 其他 七世 略 没有 36 甲板类型(拱) 没有 深 没有 八世 略 略 37 甲板类型(拱) 没有 深 没有 八世 略 适度 38 甲板类型(拱) 弯曲 深 没有 八世 略 略 39 甲板类型(拱) 没有 深 没有 八世 略 适度 40 甲板类型(拱) 没有 深 没有 八世 略 略

表7

40桥梁和比较的数据的真正价值和预测结果在1976年唐山大地震(ANN模型拱桥是专门标记和梁桥梁不明显。“强度”是指实际强度)。

6。讨论

6.1。不同特点的重要性

在这项研究中,汶川地震的桥梁数据被用来检测两座大桥的不同影响因素的重要性,应用随机森林算法。在分析一个桥或其组件时,可以分析影响因素的重要性,并考虑到所有的因素,从而获得更好的结果(<一个href="#B19">19]。本研究的主要目的是分析大量的桥梁在一个特定的区域,所以它是有意义的行为特性分析的重要性。这充分证明的重要性的实际强度地震,地震预防强度、网站的类型土壤、桥墩类型、尺度、桥和轴承类型梁桥和拱桥。这六个因素的重要性超过90%两座大桥。因此,上述六个特性首次作为输入变量。然后,第七特性的两座大桥将讨论。的订单的重要性两座大桥的特征是相似的。这是因为,即使桥的类型和施工过程是不同的,桥的设计原则是相同的,类似的组件,和地震都是一样的,所以结果是相似的。

基础类型是排名第七的梁桥和拱桥排名第九。基础类型用于梁桥模型而不是拱桥模型由于功能重要性前者0.4%,后者为5%。此外,结果符合一些研究者的经验。拱结构变形和强度非常敏感的基础,特别是在地震的情况下(水平方向)负载。基础类型拱桥的地震损伤的关键。然而,RF模型的结果显示,这并不重要,这是模型的缺点。这种现象有许多原因:(1)类的一个特性,更重要的功能是(<一个href="#B15">15]。只有两种类型的基础;(2)射频模型是一个黑盒,结果可能不同于专家的经验,这是最大的缺陷之一模型;(3)由该模型获得的结果值和相对重要性的几个特征比较的结果,而不是独立的重要性。梁桥的结构类型是排在第九位(1%)和排名第五的拱桥(6%)。因此,结构类型拱桥的因素模型而不是梁桥模型。总之,选择的特征射频实验是一致的与其他学者用来研究桥梁的地震破坏(<一个href="#B11">11]。有七个功能的两种类型的桥梁,分别。它也可以从这些结果仍然是有意义的去做这项工作。如果没有这些因素的重要性进行了分析,少考虑的重要因素。这将极大地影响应急救援时间,从而增加经济损失和人员伤亡。同时,本研究只删除两个因素对两座大桥的影响较小。在实际应用中,如果一座桥在地震中有一些由于某些原因无法获得的因素,如年龄、数据丢失、和其他人为因素,相应的影响因素可以删除和模型在短时间内可以修改。

射频模型执行比其他乐团算法(<一个href="#B17">17]。这可能的原因与分类特征比其他方法更有效。而且,由于它使用隐式特征选择,过度拟合显著减少。使用逻辑回归是一种方便的观察概率评分。然而,它并不表现良好时,特征空间很大,而且它不能处理大量的分类特征。它也仅仅依赖于非线性特性的转换。使用支持向量机(SVM)模型,我们将能够处理大量特征空间具有非线性特性相互作用不依赖整个数据集。然而,这不是很好,大量的观察。然而,有时会很难找到一个合适的内核。

6.2。桥梁损伤评估模型

本文开发了一种桥梁地震损伤状态评估方法基于以前的工作。准确性是预测值之和,而真正的值相差一个或相同的概率。汶川地震的准确性测试高达97.9%,而唐山大地震试验的准确性略减少为95%。训练集的数据来自汶川地震,所以汶川地震测试集上的表现更好。一般来说,这个模型可以用于桥梁损伤的评估在其他领域,和准确性是可以接受的。拱桥上的训练效果不如梁桥由于训练集的拱桥小于梁桥。当预报值不一致的真正价值,有更多的机会中度破坏,因为它最常发生在整个训练集。第九的评估结果和X度的实际强度地震总是低于实际的损害。与实际地震强度大于八世度具有更大的破坏力,桥梁损伤更复杂的影响因素,如地震次生灾害,受损的桥梁在地震之前,地质的影响,和冲刷作用[<一个href="#B5">5]。即使这些因素对桥梁损伤有一定的影响,该模型没有考虑这些因素。这是因为这些因素非常复杂。次生灾害是很难获得地震发生后的几分钟,和目前的技术无法准确预测这个提前。桥梁可能侵蚀在地震之前,如施工缺陷,或有时,他们修复后不能自然灾害造成的损失。这些条件只能依靠日常监测和有关部门及时监控状态的重要桥梁。地质因素无法在短时间内获得,他们中的一些甚至可能需要调查地震之后。洗涤效果不被认为是在这项研究中,这是导致的原因之一减少模型的准确性。可能会引起钢筋腐蚀,侵蚀混凝土剥落,损害基础和平台。然而,并不是所有的样品中选择本研究受到冲刷的影响,所以他们没有考虑。 Hence, these factors were neglected.

两座大桥的准确性预测的失败和相位差的平等水平远高于线性模型(<一个href="#B5">5]。两个级别的精度大于或等于水平略低于线性模型,但都是在0%和4%之间,这是在可以接受的范围之内,在应急工作<一个href="#B5">5]。总之,ANN模型的性能优于线性模型。细微差别的原因的准确性两桥之间的线性模型的回归技术最初有一些假设,增加准确性。ANN模型在整个过程中不需要任何假设的建立(<一个href="#B47">47]。线性模型的结果必须充分计算才能得到。ANN模型可以提高训练速度通过设置训练轮和步骤根据精度和具体情况的要求,因为它是更方便和速度比线性模型。

在整个方法的实际应用,仍存在一些问题和挑战。(1)因为它是一个快速评估,除了模型计算的速度,有必要收集数据更快。这在实践中是非常困难的,需要丰富的经验从专家、学者和工程师。(2)当一个桥不受损,这种方法需要结合专家和有经验的决策者为了提高ANN模型的性能。(3)在实践中,有必要把这种方法与道路进行道路网络来获取最优的整体评估救援路径。

6.3。主要贡献和意义

在工程和科学方法有一定的意义。本研究的主要贡献和意义如下:(1)该方法选择合适的和容易获得的输入特性基于RF集成的模型,而不是选择特性直接根据专家的经验(<一个href="#B5">5[]或统计学方法<一个href="#B11">11]。(2)本研究使用一些优化算法来提高ANN模型的性能和准确性,合理性,速度比传统的反向传播神经网络(<一个href="#B40">40]。(3)这项研究表明,许多桥梁的损伤状态的估计几分钟可以实现,而以往的研究通常评估性能的一个桥(<一个href="#B21">21,<一个href="#B22">22)或一些组件(<一个href="#B19">19]。(4)这种方法可以preearthquake和postearthquake条件下使用。在地震之前,使用时可以根据获得的实际强度地震的历史最大地震或地震预测。当政府进行防灾减灾规划、相关法律法规的制定,可以进行桥梁地震损伤评估。这可以帮助组织来判断桥梁的破坏整个地区在宏观的基础上,提前计划和建立生命线设施,并防止交通网络的通行能力受地震之后桥的损伤。当评估地震后,可以快速评估桥梁的损伤在整个地震灾区救援并选择最优路径,节省宝贵的救援时间由于无感情的桥梁。

7所示。结论

本研究的目的是提出一个新的模型使用RF算法和安桥损伤状态的评价方法。梁桥和拱桥的特点使用RF算法评估。的实际强度地震,地震预防强度、类型的网站,土壤、桥桥墩类型和尺度的破坏是非常重要的两座大桥。贡献多的轴承类型的基础类型梁桥、拱桥和相反的。不同的特征选择作为ANN模型的输入变量通过评估的结果特性的重要性。输出变量是损害的五个州。

结果表明,射频模型具有良好的稳定性和准确性,ANN模型的准确性和计算速度比线性模型,模型还为其他地震表现良好。本研究的方法可以作为一种工具为防灾减灾规划,日常桥梁养护检查,为postearthquake应急项目和决策。

该方法的局限性和未来的工作如下。(1)研究中只有两种类型的桥梁:梁桥和拱桥。应该进一步研究其他桥梁使该方法更适用,如悬索桥和斜拉桥。(2)有些功能被忽视的原因不同,这将影响该方法的适用性和准确性。功能应该进一步扩展以满足工程的需要。(3)数据仅仅来自汶川地震和唐山大地震。现有桥梁的两次地震使用多年,和性能恶化的材料由于腐蚀和疲劳会降低结构的承载能力和延性,因而降低了抗震性能和影响损伤桥梁的分析结果。这个问题也应该调查在未来扩大可用的数据。(4)射频模型是一个黑盒操作,并将影响数据,这可能减少重要值的准确性。这个问题也可以克服在未来通过扩展数据集。 The model also can be improved by acting on hyperparameters or changing its architecture. For a more comprehensive analysis, additional study is needed to extend the earthquake data and determine suitable features of bridge damage.

数据可用性

使用的数据来支持本研究的发现属于交通运输部的中华人民共和国交通部四川省。的数据可以提供第一作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者承认四川省运输部提供数据。这项研究是由科学基金工程力学研究所、中国地震局(CEA)(批准号2018 a02)和黑龙江省中国地下工程技术重点实验室开放项目(批准号2017 - hxykf - 06)。