Seismic fragility analysis using nonlinear autoregressive neural networks with exogenous input
Seismic fragility analysis using nonlinear autoregressive neural networks with exogenous input
复制标题
使用具有外源输入的非线性自回归神经网络进行地震易损性分析
DOI：
10.1080/15732479.2021.1894184
复制
发表时间：
2021
影响因子：
3.7
通讯作者：
Jaiswal, Priyank
中科院分区：
文献类型：
--
作者：
Sheikh, Imran A.;Khandel, Omid;Soliman, Mohamed;Haase, Jennifer S.;Jaiswal, Priyank
城市地区快速增长的社会需求增加了对具有复杂结构系统的高层建筑的需求。这些建筑物中有许多位于地震活动频繁的地区。量化这些建筑物的地震恢复力需要综合的脆弱性评估，集成迭代非线性动力分析（NDA）。在这些情况下，传统的有限元（FE）分析可能会变得不切实际，由于其高计算成本。软计算方法可以应用于NDA领域，以减少地震易损性分析的计算量。本研究提出一个框架，采用非线性自回归神经网络与外源输入（NARX）的多层建筑物的脆弱性分析。该框架使用结构健康监测数据来校准非线性有限元模型。该模型被用来生成训练数据集的NARX神经网络与地面加速度和位移时程的输入和输出的网络，分别。训练的NARX网络，然后用于执行增量动力分析（IDA）的一套地面运动。接下来基于从训练的NARX网络获得的IDA的结果进行脆弱性分析。该框架在位于俄克拉荷马州州立大学斯蒂尔沃特校区的一座12层钢筋混凝土建筑上进行了说明。
Rapidly growing societal needs in urban areas are increasing the demand for tall buildings with complex structural systems. Many of these buildings are located in areas characterized by high seismicity. Quantifying the seismic resilience of these buildings requires comprehensive fragility assessment that integrates iterative nonlinear dynamic analysis (NDA). Under these circumstances, traditional finite element (FE) analysis may become impractical due to its high computational cost. Soft-computing methods can be applied in the domain of NDA to reduce the computational cost of seismic fragility analysis. This study presents a framework that employs nonlinear autoregressive neural networks with exogenous input (NARX) in fragility analysis of multi-story buildings. The framework uses structural health monitoring data to calibrate a nonlinear FE model. The model is employed to generate the training dataset for NARX neural networks with ground acceleration and displacement time histories as the input and output of the network, respectively. The trained NARX networks are then used to perform incremental dynamic analysis (IDA) for a suite of ground motions. Fragility analysis is next conducted based on the results of the IDA obtained from the trained NARX network. The framework is illustrated on a twelve-story reinforced concrete building located at Oklahoma State University, Stillwater campus.
登录
查看更多内容
DOI：
10.1002/tal.334
发表时间：
2005
期刊：
The Structural Design of Tall and Special Buildings
影响因子：
--
作者：
J. Moehle
通讯作者：
J. Moehle
影响因子：
3.7
作者：
Khandel, Omid;Soliman, Mohamed;Murray, Cameron D.
通讯作者：
Murray, Cameron D.
监测和描述俄克拉荷马州中部最近不断增加的地震活动的努力
影响因子：
3.3
作者：
D. McNamara;J. Rubinstein;E. Myers;G. Smoczyk;H. Benz;Robert A. Williams;G. Hayes;D. Wilson;R. Herrmann;N. McMahon;R. Aster;E. Bergman;A. Holland;P. Earle
通讯作者：
P. Earle
使用带有摩擦保险丝的结构系统提高抗震能力
DOI：
10.1061/9780784480502.049
发表时间：
2017
期刊：
Seg Technical Program Expanded Abstracts
影响因子：
--
作者：
M. Sarkisian;N. Mathias;R. Garai;C. Horiuchi
通讯作者：
C. Horiuchi
影响因子：
4.5
作者：
Lallemant, David;Kiremidjian, Anne;Burton, Henry
通讯作者：
Burton, Henry