基于卷积神经网络的框架剪力墙结构层间位移角预测

作者：古效朋; 龙晓鸿^*; 李宗霖; 卢春德

来源：土木工程与管理学报, 2023, 40(01): 92-97.

DOI：10.13579/j.cnki.2095-0985.2023.20220738

• CNN
• 框架剪力墙
• 层间位移角
• ANN
• LSTM

采用机器学习等智能算法预测结构时程响应时，通常将地震动的某项静态指标作为输入来考虑。这种处理方法丢失了地震动记录本身的时程特性。本文提出将地震动记录处理成二维张量来处理其时程信息，以一栋框架剪力墙结构为对象，通过数据集构造、网络模型搭建和参数优化，训练卷积神经网络(CNN)来预测结构的最大层间位移角。此外，还采用人工神经网络(ANN)以及长短时记忆神经网络(LSTM)进行对比分析，研究结果表明：CNN与LSTM能够有效地预测弹性状态下的结构层间位移角，且CNN的预测精度最高，训练耗时最少。

• 单位
  华中科技大学