Machine‐learning‐based optimization framework to support recovery‐based design
Machine‐learning‐based optimization framework to support recovery‐based design
复制标题
基于机器学习的优化框架，支持基于恢复的设计
DOI：
10.1002/eqe.3860
复制
发表时间：
2023
影响因子：
4.5
通讯作者：
Burton, Henry V.
中科院分区：
文献类型：
--
作者：
Issa, Omar;Silva‐Lopez, Rodrigo;Baker, Jack W.;Burton, Henry V.
基于恢复的设计将建筑级工程和更广泛的社区复原力目标联系起来。然而，上述代码工程改进和恢复性能之间的关系是高度非线性的，并且根据建筑物和特定地点的不同而变化，这对个人业主和代码开发人员都提出了挑战。此外，停机模拟的计算成本很高，并且阻碍了对整个设计空间的探索。在本文中，我们提出了一个优化框架来确定最佳的上述代码设计改进，以实现特定于建筑的恢复目标。我们通过开发替代模型的工作流程来补充优化，该模型（i）在一系列用户定义的改进下快速估计恢复性能，以及（ii）启用可以针对不同利益相关者优先级重复的复杂且信息丰富的优化技术。我们使用案例研究办公楼探索该框架的实施，在 475 年的地震动重现期中，第 50 个百分位数的基线功能恢复时间为 155 天。为了最佳地实现 21 天的目标恢复时间，我们发现需要增强非结构部件，而增加结构强度（通过增加重要性因子）可能是有害的。然而，对于不太雄心勃勃的目标恢复时间，我们发现使用较大的重要因素消除了对非结构部件改进的需要。这些结果表明，给定的基于恢复的设计策略的相对功效将在很大程度上取决于用户设定的设计标准。
Recovery‐based design links building‐level engineering and broader community resilience objectives. However, the relationship between above‐code engineering improvements and recovery performance is highly nonlinear and varies on a building‐ and site‐specific basis, presenting a challenge to both individual owners and code developers. In addition, downtime simulations are computationally expensive and hinder exploration of the full design space. In this paper, we present an optimization framework to identify optimal above‐code design improvements to achieve building‐specific recovery objectives. We supplement the optimization with a workflow to develop surrogate models that (i) rapidly estimate recovery performance under a range of user‐defined improvements, and (ii) enable complex and informative optimization techniques that can be repeated for different stakeholder priorities. We explore the implementation of the framework using a case study office building, with a 50th percentile baseline functional recovery time of 155 days at the 475‐year ground‐motion return period. To optimally achieve a target recovery time of 21 days, we find that nonstructural component enhancements are required, and that increasing structural strength (through increase of the importance factor) can be detrimental. However, for less ambitious target recovery times, we find that the use of larger importance factors eliminates the need for nonstructural component improvements. Such results demonstrate that the relative efficacy of a given recovery‐based design strategy will depend strongly on the design criteria set by the user.
登录
查看更多内容
使用基于性能的地震工程快速评估地震升级可行性的框架
影响因子：
5
作者：
P. Steneker;L. Wiebe;A. Filiatrault;D. Konstantinidis
通讯作者：
D. Konstantinidis
基于Python的计算平台可自动进行钢抗弯框架的抗震设计、非线性结构模型构建和分析
影响因子：
5.5
作者：
Xingquan Guan;H. Burton;T. Sabol
通讯作者：
T. Sabol
影响因子：
5
作者：
H. Burton;Hongquan Xu;Zhengxiang Yi
通讯作者：
Zhengxiang Yi
建筑物震后功能恢复评估实施框架
影响因子：
5
作者：
D. Cook;A. Liel;C. Haselton;M. Koliou
通讯作者：
M. Koliou
实施指南
DOI：
10.1016/b978-159749198-3.50011-1
发表时间：
2019
期刊：
Leaner Six Sigma
影响因子：
--
作者：
Terra Vanzant Stern
通讯作者：
Terra Vanzant Stern