共查询到19条相似文献,搜索用时 156 毫秒
1.
为解决建筑物震害信息提取自动化程度不高的问题,本文将全卷积神经网络应用于建筑物震害遥感信息提取。以玉树地震后获取的玉树县城区0.2m分辨率航空影像作为建筑物震害信息提取试验数据源,将试验区地物划分为倒塌建筑物、未倒塌建筑物和背景3类。对427个500×500像素的子影像进行人工分类与标注,选取393个组成训练样本集,34个用于验证。利用训练样本集对全卷积神经网络进行训练,采用训练后的网络对验证样本进行建筑物震害信息提取及精度评价。研究结果表明:建筑物震害遥感信息提取总体分类精度为82.3%,全卷积神经网络方法能提高信息提取自动化程度,具有较好的建筑物震害信息提取能力。 相似文献
2.
3.
遗传优化神经网络方法在桥梁震害预测中的应用 总被引:5,自引:1,他引:4
本文将遗传算法与神经网络相结合,从而建立了一种高效的、实用的桥梁震害预测方法。根据遗传算法具有局部寻优的特点,为避免BP神经网络陷入局部极小值,本文将二者结合起来形成GA-BP混合算法,以GA优化神经网络的初始权值和阈值,对网络进行训练。在大量收集梁式桥震害资料的基础上,将此算法引入桥梁的震害预测中,并与传统的单独BP神经网络相比较,结果表明该方法能够有效、准确地对桥梁结构进行震害预测。 相似文献
4.
应用简便、可靠的震害预测方法对我国大量存在的砌体结构进行抗震性能评估,是防震减灾工作的重要举措。基于支持向量机(support vector machine, SVM)理论提出了砌体结构震害预测新方法。首先,详细阐述了基于SVM的砌体结构震害预测新方法的基本原理及步骤;其次,确定了砌体结构的震害影响因子及量化值,建立了震害样本数据库及预测模型;最后,将SVM预测结果分别与实际震害结果和BP神经网络预测结果进行对比分析。结果表明,基于SVM模型的砌体结构震害预测方法步骤简单。结果可靠,在样本数据有限的情况下相对BP神经网络算法有较大的优势,可以用于砌体结构的震害预测。 相似文献
5.
6.
基于BP神经网络模型的村镇砖砌体结构震害预测研究 总被引:1,自引:0,他引:1
砖砌体结构是村镇地区一种量大面广的结构形式,其抗震性能薄弱,在地震中极易出现脆性破坏。本文尝试应用基于L-M算法的BP神经网络方法,利用它强大的非线性映射功能,建立起村镇地区砖砌体结构震害影响因素与破坏状态等级之间关系。设计出一个9-6-5的三层神经网络模型,根据实地调查,筛选出影响房屋震害的9个主要因素,如层数、层高、砌筑方式、砖墙面积率等作为神经网络的输入参数,输出参数为房屋5种破坏状态。选择2008汶川地震后四川、陕西、甘肃等地的震害实例作为学习样本对所构建的神经网络模型进行训练。训练结果表明,该模型对已训练数据有很好的适应性,但如果要将其用于单个或群体建筑的易损性分析,并取得较精确的预测结果,还需积累足够多的训练样本,并进行大量的网络试验工作。 相似文献
7.
8.
9.
人工神经网络是近期发展最快的人工智能领域研究成果之一.通过分析国内外爆破震害预测研究现状和不足,提出一种基于BP神经网络模型的爆破地震效应预测方法,该方法能克服基于最小二乘法的回归公式的局限性,可选取影响爆破振动的多个影响因素作为输入层参数,达到爆破峰值和主频同步预测之目的.利用该方法对实际爆破监测数据进行预测,结果表明人工神经网络方法在爆破地震效应预测中应用是可行的并且是有效的.这为爆破震害预测研究提供了新途径. 相似文献
10.
11.
12.
基于ACCRBF网络的多层砖房震害预测 总被引:1,自引:1,他引:0
针对传统震害预测方法逐栋抽样计算建筑物抗震性能的不足,本文提出了一种基于蚁群聚类径向基(ACCRBF)网络模型的建筑物震害预测方法。依据不同地震动峰值加速度下多层砖房的实际震害资料,对模型进行训练,在模型的输入和输出之间建立映射关系,并利用这种映射关系对未知样本进行分类,实现对多层砖房的震害分析和预测。模型的输入为反映结构的震害影响因子,输出为给定的地震动峰值加速度下结构震害等级。研究表明,基于ACCRBF网络模型的多层砖房震害预测结果与震害实例基本吻合,具有推广应用价值。 相似文献
13.
基于BP神经网络模型的多层砖房震害预测方法 总被引:10,自引:2,他引:8
针对传统的基于地震烈度的建筑物震害预测方法的不足,本文以地震动峰值加速度作为建筑物震害预测的地震动指标,结合几次大地震中多层砖房的震害实例,提出了一种基于BP神经网络模型的建筑物震害预测方法,模型的输入为反映结构抗震性能的各类物理参数,输出为给定地震动峰值加速度下建筑物破坏状态的概率。研究表明:基于BP网络模型的多层砖房的震害预测结果与震害实例的实际情况比较吻合,本文的思路和方法可推广于其他不同类型的建筑结构的震害预测。 相似文献
14.
因为地震数据的三维空间分布优势,地震属性已经被广泛应用于含油气性预测、储层厚度预测、孔隙度预测等。但也存在地震属性之间信息冗余、属性与储层物性参数关系模糊的问题。针对这两个问题,将模糊粗糙理论和机器学习引入到储层参数预测中来。通过模糊粗糙集理论对地震属性进行约简,去除冗余信息,得到最优化的地震属性组合;将约简后的属性作为机器学习的输入,实现从地震属性到储层物性参数的非线性映射。该方法既保留了地震属性中有效信息,又避免了因输入变量过多而导致的网络模型训练困难。实际数据应用表明,属性约简的机器学习预测结果分辨率更高,并与数据吻合更好。 相似文献
15.
灰关联与人工神经网络在建筑物震害预测中的应用 总被引:2,自引:1,他引:1
基于灰关联识别方法,解析了各震害影响因子对多层砖房抗震性能的影响程度;并利用BP人工神经网络非线性模型对震害实例样本进行了训练。结果表明:利用灰关联分析,可得出各因子对多层砖房抗震性能影响程度的大小排序,有利于实际的工程抗震设计;基于BP人工神经网络模型的多层砖房的震害预测结果与震害实例的实际情况比较吻合,其思路和方法可推广于其他不同类型的建筑结构的震害预测。 相似文献
16.
基于灰关联与人工神经网络综合评价模型的多层砖房震害预测 总被引:1,自引:0,他引:1
结合几次大地震中多层砖房的实际震害资料,基于灰关联识别方法,解析了各影响因子对多层砖房抗震性能的影响程度。以反映结构抗震性能的各类物理参数作为输入数据,以给定地震动峰值加速度下建筑物破坏状态的概率作为输出数据,采用8-6-5层结构,建立了基于BP人工神经网络的非线性模型,并对震害样本进行了训练。结果表明:利用灰关联分析,可得出各因子对多层砖房抗震性能影响程度的大小排序,有利于实际的工程抗震设计;基于BP人工神经网络模型的多层砖房的震害预测结果与震害实例的实际情况比较吻合,其思路和方法可推广于其他不同类型的建筑结构的震害预测。 相似文献
17.
详细的建筑结构特征参数是得到合理地震易损性分析结果的基础。本文给出了一种结合已有地震易损性分析成果,在具备有限特征参数的情况下,利用BP神经网络进行单体或群体结构震害等级推演的方法。以陕西省渭南市607栋设防砌体易损性评估结果为样本构建了一个3层BP神经网络模型,并对北京市海淀区近2万栋设防砌体不同地震烈度下的可能破坏状态进行推演,结果能够反映区域本地化特征,也与抗震设计目标和震害案例相符。该方法适用于少量特征参数下单体或群体结构的快速震害等级推演,可为相似烈度地区的建筑结构风险评估提供参考。 相似文献
18.
砂土液化是一种危害性比较大的自然灾害,对砂土液化进行判定预测在地质灾害防治领域中有重要的研究意义。通过粗糙集理论(Rough Set,RS)对影响砂土液化的6个初始评价指标(包括震级、土深、震中距、地下水位、标贯击数和地震持续时间)进行属性约简,去掉冗余或干扰信息,得到基于4个核心预测指标的数据集。通过主成分分析法(Principal Component Analysis,PCA)从核心评价指标中提取出主成分,采用支持向量机(Support Vector Machine,SVM)对数据集进行训练,用遗传算法(Genetic Algorithm,GA)优化参数,建立砂土液化的RS-PCA-GA-SVM预测模型。并结合砂土液化实际数据将预测结果与基于Levenberg-Marquardt算法改进的BP神经网络模型(LM-BP)的预测结果做比较。实例计算表明:基于RS-PCA-GA-SVM模型得到的砂土液化预测结果精度较LM-BP神经网络有很大的提高,判别结果与实际情况比较吻合,可在实际工程中应用。 相似文献
19.
多层及高层框架结构地震损伤诊断的神经网络方法 总被引:12,自引:4,他引:12
本文提出了强震后多层及高层框架结构地震损伤诊断的神经网络方法。文中在提出有结点损伤的梁柱有限元刚度矩阵的基础上,建立了有结点损伤框架结构的有限元模型。通过完好结构和有损伤结构的有限元分析,获取二者应变模态差值作为损伤标识量,并输入径向基(RBF)神经网络进行训练,得到了框架结构结点损伤诊断的神经网络系统。数值仿真分析结果表明,此神经网络可以对多层及高层框架结构结点各种程度的损伤做出成功诊断。 相似文献