申请/专利权人：华南理工大学

申请日：2023-09-12

公开（公告）日：2024-04-19

公开（公告）号：CN117216846B

主分类号：G06F30/13

分类号：G06F30/13;G06F30/27;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2023.12.29#实质审查的生效;2023.12.12#公开

摘要：本发明属于结构抗震分析与计算领域，并公开了一种钢筋混凝土构件滞回曲线预测方法、系统、设备及介质，包括：获取实验构件参数；将所述实验构件参数输入滞回曲线预测模型进行滞回曲线预测，得到滞回曲线预测结果；所述滞回曲线预测模型包括控制点确认模型和特征提取预测模型；所述特征提取预测模型为机器学习模型；所述控制点确认模型用于确认滞回曲线控制点的数量和位置，所述特征提取预测模型用于获取滞回曲线预测结果。本发明所述技术方案可以不需要按破坏形式进行分类，极大简化了滞回曲线建立流程。

主权项：1.一种钢筋混凝土构件滞回曲线预测方法，其特征在于，包括：获取钢筋混凝土的实验构件参数；将所述实验构件参数输入滞回曲线预测模型进行滞回曲线预测，得到滞回曲线预测结果；所述滞回曲线预测模型包括控制点确认模型和特征提取预测模型；所述特征提取预测模型为机器学习模型；所述控制点确认模型用于确认滞回曲线控制点的数量和位置，所述特征提取预测模型用于获取滞回曲线预测结果；所述控制点确认模型包括：控制点数量确认模型和控制点位置确认模型；通过所述控制点数量确认模型确认滞回曲线控制点的数量，通过所述控制点位置确认模型确认各滞回曲线控制点在滞回曲线中的位置；通过所述控制点位置确认模型确认各滞回曲线控制点在滞回曲线中的位置，具体包括：步骤一：利用贪心算法构建第一目标方程和第二目标方程；步骤二：基于所述控制点数量构建初始种群，对各目标方程的最佳输入参数和最佳目标函数值进行初始化，并设置迭代次数；步骤三：结合差分系数获取种群中每个个体的试验输入参数；步骤四：从所述种群中任选一个当前个体，将当前个体的试验输入参数代入各目标方程中与初始化后的最佳输入参数值和最佳目标函数值进行比较；若所述试验输入参数在两个目标函数值满足在非支配规则以及拥挤距离机制上的更优，则基于当前个体的试验输入参数对最佳输入参数值和最佳目标函数值进行更新；若不满足，则使所述最佳输入参数值和所述最佳目标函数值均保持原值，并进行下一个个体的比较；步骤五：重复步骤四直至达到迭代次数并输出最佳输入参数值和最佳目标函数值；步骤六：设定终止条件，基于所述终止条件对所述最佳输入参数和所述最佳目标函数值进行判断，若符合终止条件，输出最优输入参数作为各滞回曲线控制点在滞回曲线中的位置；若不符合终止条件，则返回步骤二；所述特征提取预测模型的训练方法，具体包括：获取训练数据；所述训练数据为所述钢筋混凝土的实验构件参数及对应的预测数据；获取特征提取预测模型中的模型参数数据，包括学习率参数、分支最大深度参数、L1正则化权重值参数和L2正则化权重值参数；将所述训练数据分别输入特征提取预测模型进行滞回曲线预测，对特征提取预测模型中各个模型参数数据进行参数随机初始化处理，处理完成后进行初步预测，得到初步预测结果，基于所述初步预测结果使用随机搜索方式自动优化各个模型参数数据，进一步利用XGBoost原理自动选出重要度排名前25的实验构件参数以进行特征选择，特征选择完成后进一步使用随机搜索的方式得出特征选择后的最优模型参数，基于所述最优模型参数对特征提取预测模型进行训练，基于训练结果对所述训练数据进行扩充，得到扩充后的训练数据，利用扩充后的训练数据对特征提取预测模型进行二次训练，并以二次训练结果与所述扩充后的训练数据对应的预测数据之间的平方损失函数最小为目标，进行训练，得到所述特征提取预测模型。

全文数据：

权利要求：

百度查询： 华南理工大学 钢筋混凝土构件滞回曲线预测方法、系统、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD