Study on Seismic Damage Prediction Model of Urban Bridges Group Based on PSO-SVM
-
摘要: 本文根据城市桥梁群体的实际震害资料数据，采用粒子群算法（PSO）来优化支持向量机（SVM）参数，选择影响桥梁震害等级的8个因素作为特征输入向量，充分用2种算法的优点建立PSO-SVM的桥梁震害预测模型。通过比较PSO-SVM和SVM模型对桥梁震害的预测能力，发现PSO-SVM模型具有较高预测精度和较高的推广价值。本文的研究成果对桥梁震害等级的预测具有一定的参考价值和指导意义。Abstract: According to the observed urban bridge damage data, the particle swarm optimization (PSO) was used to optimize the input parameters of support vector machine (SVM) model. Eight factors that effect bridge seismic damage level are chosen as the input vector. By making full use of the advantages of PSO and SVM, we establish the PSO-SVM model. By comparing the urban bridge damage prediction ability of the SVM model and PSO-SVM model, we conclude that the PSO-SVM model has relatively high accuracy and strong generalization capability, which is of important reference and guide value. Key worlds:PSO-SVM; SVM; Bridge; Seismic damage prediction
-
Key words:
- PSO-SVM /
- SVM /
- Bridge /
- Seismic damage prediction
-
图 1 PSO-SVM桥梁震害预测模型的构建
Figure 1. Flowchart of PSO-SVM construction for seismic damage prediction model of urban bridge
表 1 震害影响因素指标及量化值
Table 1. Quantitative value of disaster factors
影响因素 量化值 地震烈度 7度 1.0 8度 1.1 9度 1.2 10度 1.5 场地土类型 Ⅰ类 0.8 Ⅱ、Ⅲ类 1 Ⅳ类 1.2 场地失效程度 无 1.0 轻 1.5 重 1.8 上部结构 简支梁 1.0 连续梁 1.4 墩台高度 ≤5m 1.0 5-10m 1.1 ≥10m 1.2 支座型式 有防落梁措施 1.0 消能支座 1.2 一般支座 1.4 桥梁长度 跨数≤3 1 跨数＞3 1.2 桥梁的建成年代 1987年以前 1.1 1987-2006年 1.0 2006年以后 0.9 
下载: 导出CSV
表 2 桥梁破坏等级划分
Table 2. Classification criterion of bridge damage
破坏等级 震害描述 基本完好 承重结构完好，桥面无明显变化，只有个别构件轻微损坏，其他构件无损，可正常通行 轻微破坏 桥台、桥面、桥墩、桥拱、桥塔、主梁等的混凝土部件表面出现细裂缝，非承重构件有破坏，桥面伸缩有变化，梁有轻微的移动，腹拱有细微裂缝，拱身有微裂，拱肋与拱波关系处松脱，墩台轻微变位，台背填土下沉等，可照常使用。 中等破坏 桥墩混凝土出现明显裂缝，梁端混凝土出现明显裂缝，支座与梁连接的螺栓部分剪断，梁移动，桥塔结构轻微变形，墩台轻微移动，出现明显裂缝梁，端混凝土脱落，腹拱错位，拱肋、拱波龟裂，墩台微移动或开裂，经适当修复可使用。 严重破坏 桥墩混凝土出现贯通裂缝、剥落，梁、拱出现贯通裂缝或破碎，桥塔结构变形，主要承重构件破坏、断裂，如梁、拱开裂或破碎，墩台滑移、断裂或严重倾斜，承载能力明显降低，必须大修。 毁坏 发生落梁、塌拱、墩台折断等破坏、倒塔，已不能使用，需重建。
下载: 导出CSV
表 3 桥梁震害等级标识
Table 3. Classification criterion of bridge damage by earthquake
桥梁破坏等级 基本完好 轻微破坏 中等破坏 严重破坏 倒毁 标识 1 2 3 4 5
下载: 导出CSV
表 4 模型预测结果差异项比较
Table 4. Comparison of predicted results from various models
预测模型 预测结果差异项序列号 差异项的预测震害指数 差异项的实际震害指数 模型预测精度 SVM 4 3 5 70% 6 3 4 9 2 3 15 2 3 18 2 4 20 3 4 PSO-SVM 4 4 5 85% 15 2 3 18 3 4
下载: 导出CSV
-
白春华, 周宣赤, 林大超等, 2013.消除EMD端点效应的PSO-SVM方法研究.系统工程与实践, 33(5):1298-1306. http://www.cnki.com.cn/Article/CJFDTOTAL-XTLL201305028.htm 郭恩栋, 苗崇刚, 2014.生命线工程震害图集.北京:地震出版社. 姜淑珍, 林均岐, 2004.城市桥梁震害预测方法的探讨.世界地震工程, 20(4):64-65. http://www.cnki.com.cn/Article/CJFDTOTAL-SJDC200404011.htm 柳春光, 张利华, 2008.遗传优化神经网络方法在桥梁震害预测中的应用.地震工程与工程振动, 28(1):139-145. http://www.cnki.com.cn/Article/CJFDTOTAL-DGGC200801019.htm 刘恢先, 1986.唐山大地震震害 (三).北京:地震出版社. 谭潇, 杜鹏, 孙作玉, 2013.基于支持向量机的桥梁群体震害预测方法.华南地震, 33(3):41-46. http://www.cnki.com.cn/Article/CJFDTOTAL-HNDI201303007.htm 田雨波, 2014.粒子群优化算法及电磁应用.北京:科学出版社. 王东升, 冯启民, 2001.桥梁震害预测方法.自然灾害学报, 10(3):113-118. http://cdmd.cnki.com.cn/Article/CDMD-10004-2009147014.htm 王东升, 朱敏, 钟江荣, 2003.基于经验统计方法的桥梁震害预测辅助决策系统.世界地震工程, 19(3):117-122. http://www.cnki.com.cn/Article/CJFDTOTAL-SJDC200303021.htm 王建国, 张文兴, 2015.支持向量机建模及其智能优化.北京:清华大学出版社. 王书舟, 2009. 支持向量机方法及其应用研究. 哈尔滨: 哈尔滨工业大学. 王雪刚, 2014. 基于支持向量机的四自由度船舶操纵运动建模研究. 上海: 上海交通大学. 王再荣, 郭恩栋, 赵钊等, 2010.桥梁地震破坏等级划分标准浅析.世界地震工程, 26(1):91-93. http://www.cnki.com.cn/Article/CJFDTOTAL-SJDC201001016.htm 吴昊, 2009. 城市轨道交通桥梁震害预测方法研究. 北京: 北京交通大学. 庄丽, 冯启民, 贾婧, 2007.改进的城市桥梁震害预测因子法研究及其应用.震灾防御技术, 2(3):322-328. doi: 10.11899/zzfy20070314 -
点击查看大图
计量
- 文章访问数: 133
- HTML全文浏览量: 18
- PDF下载量: 5
- 被引次数: 0
