CN113536441B - 一种建筑结构破坏分析的快速推演方法和系统 - Google Patents

一种建筑结构破坏分析的快速推演方法和系统 Download PDF

Info

Publication number
CN113536441B
CN113536441B CN202110861362.XA CN202110861362A CN113536441B CN 113536441 B CN113536441 B CN 113536441B CN 202110861362 A CN202110861362 A CN 202110861362A CN 113536441 B CN113536441 B CN 113536441B
Authority
CN
China
Prior art keywords
deduction
information
building structure
target
analysis
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110861362.XA
Other languages
English (en)
Other versions
CN113536441A (zh
Inventor
孙树立
韩旭东
陈璞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Peking University
Original Assignee
Peking University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Peking University filed Critical Peking University
Priority to CN202110861362.XA priority Critical patent/CN113536441B/zh
Publication of CN113536441A publication Critical patent/CN113536441A/zh
Application granted granted Critical
Publication of CN113536441B publication Critical patent/CN113536441B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Computer Hardware Design (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Architecture (AREA)
  • Educational Administration (AREA)
  • Civil Engineering (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Optimization (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computational Mathematics (AREA)
  • Structural Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本说明书实施例提供一种建筑结构破坏分析的快速推演方法，该方法包括基于典型建筑结构信息，构建典型建筑结构力学模型和推演准则；对典型建筑结构力学模型进行一个或多个构件单元破坏预分析，获取一个或多个分析结果；基于一个或多个分析结果，构建案例库；以及基于案例库、推演准则和目标建筑信息，获取目标建筑信息的推演信息。通过案例库和推演准则的设置，在突发事件下，可以根据已有案例库的分析结果和推演准则，快速推演出目标建筑的破坏过程，定量分析破坏演化的风险，以指导后续应急管理工作的开展。

Description

一种建筑结构破坏分析的快速推演方法和系统
技术领域
本说明书涉及建筑结构破坏分析及安全风险评估领域，特别涉及一种建筑结构破坏分析的快速推演方法和系统。
背景技术
建筑结构与人们的日常生活关系紧密，其安全问题一直是决策管理人员关注的重点。现在对建筑结构的安全问题，主要是通过将建筑结构的初始失效条件设置为固定不变，例如，将初始条件设置为地震波输入或是施加外载荷，由此得到唯一的建筑结构响应，然后获得建筑结构破坏分析及安全风险评估信息。而在实际生活中，建筑结构的设计多种多样，内部结构复杂，不同建筑结构往往存在较大差异。且实际灾害发生时，不仅外界对建筑结构带来的荷载作用难以确定，发生初始破坏的建筑结构的局部位置也具有很强的不确定性，单一的模拟结果难以应对突发事件的多种可能。
因此，有必要提供一种在灾害发生时，能够对现场建筑结构破坏进行实时、准确且定量评估的快速推演方法。
发明内容
本说明书实施例之一提供一种建筑结构破坏分析的快速推演方法。所述建筑结构破坏分析的快速推演方法包括：基于典型建筑结构信息，构建典型建筑结构力学模型和推演准则；对典型建筑结构力学模型进行一个或多个构件单元破坏预分析，获取一个或多个分析结果；基于一个或多个分析结果和所述典型建筑结构信息，构建案例库；以及基于案例库、推演准则和目标建筑信息，获取目标建筑信息的推演信息。
本说明书实施例之一提供一种建筑结构破坏分析的快速推演系统。所述建筑结构破坏分析的快速推演系统包括：力学模型构建模块、分析结果获取模块、案例库和推演准则建模块以及目标推演信息获取模块。力学模型构建模块用于基于典型建筑结构信息，构建典型建筑结构力学模型。分析结果获取模块用于对典型建筑结构力学模型进行一个或多个构件单元破坏预分析，获取一个或多个分析结果。案例库和推演准则构建模块用于基于一个或多个分析结果和所述典型建筑结构信息，构建案例库和推演准则。目标推演信息获取模块用于基于案例库、推演准则和目标建筑信息，获取目标建筑信息的推演信息。
本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行建筑结构破坏分析的快速推演方法。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的建筑结构破坏分析的快速推演系统的应用场景示意图；
图2是根据本说明书一些实施例所示的建筑结构破坏分析的快速推演系统的模块图；
图3是根据本说明书一些实施例所示的建筑结构破坏分析的快速推演方法的示例性流程图；
图4是根据本说明书一些实施例所示的构建案例库方法的示例性流程图；
图5是根据本说明书一些实施例所示的确定目标建筑获取信息的推演信息方法的示例性流程图；
图6A是根据本说明书一些实施例所示的类比近似推演准则的示例性应用场景示意图；
图6B是根据本说明书一些实施例所示的案例组合推演准则的示例性应用场景示意图；
图6C是根据本说明书一些实施例所示的局部关联推演准则的示例性应用场景示意图；
图6D是根据本说明书一些实施例所示的多路径推演准则的示例性应用场景示意图；
图6E是根据本说明书一些实施例所示的反推起始位置推演准则的示例性应用场景示意图；
图7A是根据本说明书一些实施例所示的横向梁结构连续破坏过程的示例性示意图；
图7B是根据本说明书一些实施例所示的底部柱结构连续破坏过程的示例性示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的建筑结构破坏分析的快速推演系统的应用场景示意图。
如图1所示，建筑结构破坏分析的快速推演系统100可以包括处理设备 110、网络120、至少一个终端130和存储设备140。该系统100中的各个组件之间可以通过网络120互相连接。例如，处理设备110和至少一个终端130可以通过网络120连接或通信。
处理设备110可以处理从至少一个终端130、存储设备140或系统100的其他组件获得数据和/或指令。例如，处理设备110可以从至少一个终端130获得典型建筑结构信息，对其进行数值化的有限元建模以得出该典型建筑结构力学模型。又例如，处理设备110可以从存储设备140获取预先存储的指令，并执行该指令以实现如下所述的建筑结构破坏分析的快速推演方法。
在一些实施例中，处理设备110可以是单一服务器或服务器组。服务器组可以是集中式的或分布式的。在一些实施例中，处理设备110可以是本地或远程的。例如，处理设备110可以通过网络120从存储设备140和/或至少一个终端130访问信息和/或数据。又例如，处理设备110可以直接连接到至少一个终端130和/或存储设备140以访问信息和/或数据。在一些实施例中，处理设备 110可以在云平台上实现。例如，云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间云、多云等或其任意组合。
网络120可以包括能够促进系统100的信息和/或数据交换的任何合适的网络。在一些实施例中，所述系统100的至少一个组件(例如，处理设备110、存储设备140、至少一个终端130)可以通过网络120与系统100中至少一个其他组件交换信息和/或数据。例如，处理设备110可以通过网络120从存储设备 140获得典型建筑结构信息。又例如，处理设备110可以通过网络120从至少一个终端130获得用户指令。在一些实施例中，网络120可以包括至少一个网络接入点。例如，网络120可以包括有线和/或无线网络接入点，例如基站和/或互联网交换点，建筑结构破坏分析的快速推演系统100的至少一个组件可以通过接入点连接到网络120以交换数据和/或信息。
在一些实施例中，至少一个终端130可以与处理设备110以及存储设备 140中的至少一个进行通信连接。例如，至少一个终端130还可以从处理设备 110获得目标建筑信息的推演信息并进行显示输出。又例如，至少一个终端130 可以获取用户的操作指令，然后将该操作指令发送至处理设备110以对其进行控制(如调整典型建筑结构信息、调整目标建筑信息等)。
在一些实施例中，至少一个终端130可以包括移动设备131、平板计算机 132、膝上型计算机133等或其任意组合。例如，移动设备131可以包括移动电话、个人数字助理(PDA)、医用设备等或其任意组合。在一些实施例中，至少一个终端130可以包括输入设备、输出设备等。输入设备可以包括字母数字和其他按键，用于输入控制指令对处理设备110进行控制。输入设备可以选用键盘输入、触摸屏(例如，具有触觉或触觉反馈)输入、语音输入、手势输入或任何其他类似的输入机制。通过输入设备接收的输入信息可以通过如总线传输到处理设备110，以进行进一步处理。其他类型的输入设备可以包括光标控制装置，例如鼠标、轨迹球或光标方向键等。输出设备可以包括显示器、扬声器、打印机等或其任意组合，用于输出目标建筑信息的推演信息和/或目标建筑信息的应急风险评估应用信息。在一些实施例中，至少一个终端130可以是处理设备110的一部分。
存储设备140可以存储数据、指令和/或任何其他信息。在一些实施例中，存储设备140可以存储从至少一个终端130和/或处理设备110获得的数据。在一些实施例中，存储设备140可以存储处理设备110用来执行或使用来完成本申请中描述的示例性方法的数据和/或指令。在一些实施例中，存储设备150可以在云平台上实现。
在一些实施例中，存储设备140可以连接到网络120以与系统100中的至少一个其他组件(例如，处理设备110、至少一个终端130)通信。系统100 中的至少一个组件可以通过网络120访问存储设备140中存储的数据或指令。在一些实施例中，存储设备140可以是处理设备110的一部分。
应该注意的是，上述描述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域普通技术人员而言，在本申请内容的指导下，可做出多种变化和修改。可以以各种方式组合本申请描述的示例性实施例的特征、结构、方法和其他特征，以获得另外的和/或替代的示例性实施例。例如，存储设备140可以是包括云计算平台的数据存储设备，例如公共云、私有云、社区和混合云等。然而，这些变化与修改不会背离本申请的范围。
图2是根据本说明书一些实施例所示的建筑结构破坏分析的快速推演系统的模块示意图。
如图2所示，在一些实施例中，所述建筑结构破坏分析的快速推演系统 100和/或200可以包括力学模型构建模块210、分析结果获取模块220、案例库和推演准则构建模块230、目标推演信息获取模块240以及应急风险评估模块 250。
力学模型构建模块210可以用于基于典型建筑结构信息，构建典型建筑结构力学模型。
分析结果获取模块220可以用于对典型建筑结构力学模型进行一个或多个构件单元破坏预分析，获取一个或多个分析结果。
案例库和推演准则构建模块230用于基于一个或多个分析结果和典型建筑结构信息，构建案例库和推演准则。在一些实施例中，案例库构建模块230可以基于一个或多个分析结果和典型建筑结构信息，构建对应的一个或多个宏观的代理模型。然后，案例库构建模块230可以将一个或多个宏观的代理模型存入案例库，构建成为案例库。在一些实施例中，每个宏观的代理模型包括以下中的典型建筑结构力学模型的简化模型以及所述简化模型上不同位置构件单元的分析结果中的至少一种。在一些实施例中，分析结果可以包括简化模型上不同位置构件单元的危险程度、简化模型上不同位置构件单元在局部区域的危险占比、简化模型上局部区域展示统计后的安全信息、简化模型上后续破坏的敏感构件单元等中的至少一种。
目标推演信息获取模块240可以用于基于案例库、推演准则和目标建筑信息，获取目标建筑信息的推演信息。在一些实施例中，推演信息为可以为连续破坏路径推演信息。在一些实施例中，目标推演信息获取模块240可以将目标建筑信息与所述案例库中存储的一个或多个分析结果和典型建筑结构信息进行匹配，选取满足预设条件的一个或多个分析结果。然后，目标推演信息获取模块 240可以基于满足预设条件的一个或多个分析结果和所述推演准则，确定所述目标建筑信息的推演信息。在一些实施例中，推演准则包括机器学习模型，目标推演信息获取模块240可以将满足预设条件的一个或多个分析结果和目标建筑信息输入所述机器学习模型，以确定目标建筑信息的推演信息。在一些实施例中，推演准则还可以包括以下中类比近似推演准则、案例组合推演准则、局部关联推演准则、多路径推演准则、反推起始位置推演准则的至少一种。
应急风险评估模块250可以用于基于目标建筑信息的推演信息，获取目标建筑信息的应急风险评估与应对信息。
需要注意的是，以上对于快速推演系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图2中披露的建筑结构信息获取模块、力学模型构建模块、分析结果获取模块、案例库构建模块和目标推演信息获取模块可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。
图3是根据本说明书一些实施例所示的建筑结构破坏分析的快速推演方法的示例性流程图。在一些实施例中，流程200可以由建筑结构破坏分析的快速推演系统200或建筑结构破坏分析的快速推演系统100(例如，处理设备110)执行。如图3所示，该流程300可以包括下述步骤。
步骤310，基于典型建筑结构信息，构建典型建筑结构力学模型。具体地，该步骤310可以由力学模型和推演准则构建模块210执行。
建筑结构是指由各种构件(梁、板、柱、墙、板或壳体等)组成的能够承受各种正常荷载作用的建筑结构。典型建筑结构为具有代表性的建筑结构。在一些实施例中，典型建筑结构可以为在构件类型、构件搭配、构件设置等方面，具有特定的规律，在日常使用和突发灾害下，具有较为一致的力学行为的建筑结构。例如，典型建筑结构可以为社区居民楼、高层商务办公楼、中空式购物中心、大跨结构、桥梁、隧道、拱坝等中的至少一种。典型建筑结构信息是指能够反映典型建筑结构的信息。例如，典型建筑结构信息可以为真实典型建筑结构的建筑材料类型、梁柱数量、梁柱尺寸、力学信息等中的至少一种。其中，力学信息可以包括应力、应变、位移等。所述应力是指建筑结构由于外因(受力、湿度、温度场变化等)而变形时，在建筑结构内各部分之间产生相互作用的内力，以抵抗这种外因的作用，并试图使建筑结构从变形后的位置恢复到变形前的位置。应变是指建筑结构由于外因(受力、湿度、温度场变化等)作用下，建筑结构的形状尺寸发生相对改变。位移是指建筑结构内部由于应力或应变影响所产生的位置的移动。
在一些实施例中，力学模型和推演准则构建模块210可以从存储设备140 调取已存储的典型建筑结构信息。在一些实施例中，力学模型和推演准则构建模块210可以从终端130获取用户输入的典型建筑结构信息。
力学模型是指将建筑结构的实际形状进行简化、变形和处理后得到的几何模型。几何模型是指利用几何概念描述建筑结构形状。在一些实施例中，力学模型和推演准则构建模块210可以根据典型建筑结构信息进行力学有限元建模，然后获取典型建筑结构力学模型。其中，所述有限元建模可以采用现有常用有限元建模软件，此处不再赘述。在一些实施例中，力学模型和推演准则构建模块 210在根据典型建筑结构信息进行力学有限元建模时，可以适当忽略对安全性能贡献或影响较低的构件(例如，楼板、幕墙、管道等)的建模。在一些实施例中，力学模型和推演准则构建模块210可以采用其它任意方式获取典型建筑结构力学模型。例如，用户可以根据3D画图软件进行手动建模，从而获得典型建筑结构力学模型。
步骤320，对典型建筑结构力学模型进行一个或多个构件单元破坏预分析，获取一个或多个分析结果。具体地，该步骤320可以由分析结果获取模块220执行。
构件单元是指建筑中结构的组成单元。例如，构件单元可以为梁、柱等中的一种或多种。破坏预分析是指对建筑结构力学模型中的一个或多个构件单元进行删除或刚度削减后，预测该删除或刚度削减后的一个或多个构件单元对建筑结构力学模型上其它构件单元的影响。
分析结果是指对典型建筑结构力学模型上的一个或多个构件单元进行删除或刚度削减后，对典型建筑结构力学模型上其它构件单元的破坏路径影响，然后分析破坏路径所获得的信息。在一些实施例中，信息可以包括初始破坏类型、演化过程、破坏结果、宏观破坏分布、连续演化风险、各构件单元的力学计算结果等信息中的一种或多种。初始破坏类型是指典型建筑结构力学模型上给定构件单元的初始破坏类型。例如，初始破坏类型可以为梁结构破坏、柱结构破坏等中的一种或多种。演化过程是指对典型建筑结构力学模型实施初始破坏类型设置后，演化出来的破坏过程。破坏结果是指对典型建筑结构力学模型实施初始破坏类型设置后，对典型建筑结构力学模型造成的最终破坏状态。连续演化风险是指对典型建筑结构力学模型实施初始破坏类型设置后，对典型建筑结构力学模型造成至少两个相邻构件单元破坏，所形成的连续破坏路径的风险。
在一些实施例中，分析结果获取模块220对典型建筑结构力学模型进行一个或多个构件单元破坏预分析，获取一个或多个分析结果可以采用如下步骤 322-步骤326实现。
步骤322，对典型建筑结构模型进行初始失效构件单元位置设置。具体地，该步骤322可以由分析结果获取模块220执行。
初始失效构件单元位置设置是指对典型建筑结构力学模型中的一个或多个构件单元进行删除或刚度削减设置。在一些实施例中，初始失效构件单元可以为关键构件单元、薄弱构件单元等中的一种或多种。关键构件单元是指在建筑结构的力学承载方面起关键作用的构件单元。例如，关键构件单元可以为柱结构、梁结构、承重墙、剪力墙等中的一种或多种。薄弱构件单元是指建筑结构设计上相对薄弱位置的构件单元。例如，薄弱构件单元可以为柱结构、梁结构等中的一种或多种。在一些实施例中，初始失效构件单元可以为建筑结构上的其它任意构件单元。在一些实施例中，对于结构冗余性较高的建筑，单个构件的失效并不会对整体建筑产生明显影响时，分析结果获取模块220可以选择关键构件单元邻近预设范围内的多个构件单元均设置为初始失效单元。所述预设范围可以根据本领域技术人员的经验设置。例如，预设范围可以为5m范围内的构件单元。
在一些实施例中，分析结果获取模块220可以根据重分析算法进行初始失效构件单元位置设置后的静力或动力学响应计算分析。重分析算法是指利用建筑结构已有的计算结果信息，对修改后的所述建筑结构进行重新计算。建筑结构修改可以是初始构件单元的弱化处理。弱化处理是将初始构件单元从原结构中删除或者刚度削减。在一些实施例中，重分析算法可以为快速重分析算法。快速重分析算法是指利用弱化前建筑结构刚度矩阵的分解结果以及稀疏矩阵解法的计算特点，充分考虑弱化后刚度矩阵的局部变化情况，只需进行必要的更新计算，不必全部重新计算，从而极大程度地节省总体的计算时间的一种重分析算法。在一些实施例中，稀疏矩阵可以采用现有稀疏矩阵，此处不再赘述。在一些实施例中，分析结果获取模块220可以根据本领域技术人员的经验设置初始失效构件单元位置。
步骤324，在初始失效构件单元位置设置条件下，对典型建筑结构模型进行动力学响应分析，获取一个分析结果。具体地，该步骤334可以由分析结果获取模块220执行。
动力学响应分析是指向建筑结构输入动力载荷，然后获取建筑结构的动力学响应结果信息。在一些实施例中，动力学响应结果信息可以包括位移、应力、应变等中的一种或多种。
在一些实施例中，分析结果获取模块220可以利用现有的有限元技术进行建筑结构的动力学响应分析，从而获得分析结果。有限元技术为现有技术，此处不再赘述。
在一些实施例中，分析结果获取模块220可以在初始失效构件单元位置条件下，对典型建筑结构模型进行动力学响应分析，获取建筑结构模型上的各个构件单元的动力学响应结果信息。在一些实施例中，动力学响应结果信息可以包括位移、应力、应变等中的一种或多种。在一些实施例中，分析结果获取模块220 还可以基于各个构件单元的动力学响应结果信息和破坏风险量化评估准则，获取各个构件单元的破坏风险量化评估信息。破坏风险量化评估准则是指基于建筑材料特性、建筑安全标准以及各个构件单元的动力学响应结果信息(例如，应力、应变、位移等)量化评估邻近预设位置的连续破坏风险的原则。破坏风险量化评估信息是指各个构件单元基于破坏风险量化评估准则得到的破坏风险量化评估结果。在一些实施例中，分析结果获取模块220还可以基于各个构件单元的破坏风险量化评估信息，获取一个分析结果。例如，当破坏风险量化评估准则基于应力获得时，可以设置某一构件单元的强度极限为A，假定在初始破坏影响下该构件单元的应力由x上升至y，于是可评估该单元的破坏风险值为：
其中，x为该构件单元在正常情况下的应力，y为该构件单元在受到初始破坏影响下的应力。
然后，将该构件单元计算出来的破坏风险值与预设破坏风险域值进行比较，如果该构件单元计算出来的破坏风险值超过了预设破坏风险域值的临界点，则该构件单元就可以认为失效(即已被破坏)。再然后，修正此构件单元邻近的构件单元的属性。属性是指构件单元本身的特性。例如，将邻近构件单元从原建筑结构中删除或刚度削减等。在此基础上，重新计算，继续推算出对邻近单元的影响，从而评估一个连续破坏路径分析结果。
例如，图7A是根据本说明书一些实施例所示的横向梁结构连续破坏过程的示例性示意图。如图中700所示，为一栋简化的多层商务楼建筑结构，只考虑梁柱构件在自身重力作用下的动力学响应的各局部区域简化后的三维结构分布示意图。其中，颜色深浅代表了区域的破坏程度；竖直箭头两端标注的上下，代表楼层的上下方向；水平箭头两端标注的前后，代表每层楼层上包括的两块区域的前后方向。图A-C为假定初始破坏发生在二层楼701角部的柱结构，所发生的推演过程图。图A为初始破坏发生在二层楼701角部的柱结构时，柱结构的破坏还未扩展到其它层楼的情况。图B为初始破坏发生在二层楼701角部的柱结构时，柱结构的破坏已扩展到三层楼702和四层楼703横向梁的情况。图C为初始破坏发生在二层楼701角部的柱结构时，柱结构的破坏已扩展到三层楼702、四层楼703、三层楼704、四层楼705横向梁的情况。图中700体现的推演准则为竖向发展过程，邻近的横向梁结构风险较高，底部邻近的柱结构风险较低，横向梁结构破坏的影响有限，只会引发上方其它梁结构的坠落，在不考虑冲击荷载的情况下，结构会很快趋于稳定，后续破坏风险较低，因此，只是每层楼的横向梁发生破坏。
又例如，图7B是根据本说明书一些实施例所示的底部柱结构连续破坏过程的示例性示意图。如图中705所示，为一栋简化的多层商务楼建筑结构，只考虑梁柱构件在自身重力作用下的动力学响应的各局部区域简化后的三维结构分布示意图。其中，颜色深浅代表了区域的破坏程度；竖直箭头两端标注的上下，代表楼层的上下方向；水平箭头两端标注的前后，代表每层楼层上包括的两块区域的前后方向。图A为初始破坏发生在二层楼701角部的柱结构时，柱结构的破坏还未扩展到其它层楼的情况。图B为初始破坏发生在二层楼701角部时，柱结构的破坏已扩展到一层楼711的柱结构和二层楼701横向梁的情况。图C为初始破坏发生在在二层楼701角部时，柱结构的破坏已扩展到一层楼711的柱结构、一层楼711、二层楼701、三层楼702、四层楼703、三层楼704、四层楼 706横向梁的情况。图中705体现的推演准则是先向侧下方的一层的柱结构发展，然后再引起高度方向更多区域的横向梁发生破坏，虽然发生概率较低，但底部柱结构影响较大，容易引发连锁反应，一旦发生后结构难以恢复稳定，破坏区域将进一步扩大，容易威胁到整体建筑的安全。
步骤326，改变初始失效构件单元位置设置，重复所述动力学响应分析，再次获取另一个或多个分析结果。具体地，该步骤326可以由分析结果获取模块220执行。
在一些实施例中，改变初始失效构件单元位置的次数可以为一次或多次。每改变一次失效构件单元位置，均可获取一次对应的分析结果。
步骤330，基于一个或多个分析结果和典型建筑结构信息，构建案例库和推演准则。具体地，该步骤330可以由案例库和推演准则构建模块230执行。
在一些实施例中，案例库和推演准则构建模块230可以基于一个或多个分析结果和典型建筑结构信息，构建案例库。关于构建案例库的更多细节，具体参见图5及相关描述，此处不再赘述。
在一些实施例中，案例库和推演准则构建模块230可以基于一个或多个分析结果和典型建筑结构信息，构建推演准则。
推演准则是指利用已有典型建筑结构信息和分析结果总结出来的规律。所述规律可以为破坏演化路径、连续破坏风险、宏观破坏结果等中的一种或多种。破坏演化路径是指典型建筑结构发生局部位置破坏后，典型建筑结构上基于该局部位置破坏演化出来的一步破坏路经或连续的多步破坏路径。连续破坏风险是指典型建筑结构发生局部位置破坏后，典型建筑结构上基于该局部位置破坏演化出连续的多步破坏路径的风险。宏观破坏结果是指典型建筑结构发生局部位置破坏和破坏演化路径后，对典型建筑结构的宏观结构产生的最终影响结果。
在一些实施例中，推演准则可以包括类比近似推演准则、案例组合推演准则、局部关联推演准则、多路径推演准则、反推起始位置推演准则等中的一种或多种。
类比近似推演准则是指基于目标建筑结构信息提取的关键参数，与已知典型建筑结构信息的对应关键参数进行比较，获取关键参数满足预设阈值的典型建筑结构，将该种已知典型建筑结构的案例推演信息类比到另一种与已知建筑结构的案例相似的目标建筑结构的推演过程中，从而获取目标建筑结构的推演信息。所述目标建筑结构是指在推演信息的预测评估工作中，需要进行预测评估的目标建筑物的结构。目标建筑结构信息是指能够反映目标建筑结构的信息。例如，目标建筑结构信息可以为真实目标建筑结构的建筑材料类型、梁柱数量、梁柱尺寸、力学信息等中的至少一种。在一些实施例中，关键参数可以为材料强度、梁柱数量比例、初始破坏楼层、单楼层面积等中的一种或多种。如图6A为一种类比近似推演准则的示例性应用场景示意图。如图中600所示，典型建筑结构601与目标建筑结构602的结构以及梁柱的破坏位置均相似，因此，可以将典型建筑结构601的梁柱的破坏位置所得到的推演信息类比到目标建筑结构602 中。具体地，假设典型建筑结构601的每根梁柱承受荷载为A，典型建筑结构 601有4根梁柱，则典型建筑结构601的总承受荷载为4A。现在去掉一根梁柱以后，则典型建筑结构601剩下的3根梁柱中的每一根承受的荷载为(4A)/3。而目标建筑结构602有6根梁柱，则目标建筑结构602的总承受荷载为6A，目标建筑结构602每根梁柱承受荷载为A。现在目标建筑结构602去掉一根梁柱以后，在不考虑梁柱数量比例对每根梁柱承受载荷的影响下，则目标建筑结构602 剩下的5根梁柱中的每一根承受的荷载为(6A)/5。但是在实际过程中，梁柱数量比例会对每根梁柱承受载荷的影响，因此，在目标建筑结构602剩下的5根梁柱中的每一根承受的荷载为(6A)/5的基础上，再获得梁柱数量比例对每根梁柱承受载荷的影响因子，即可获得目标建筑结构602的推演信息。其中，所述影响因子本领域技术人员根据经验获取。
案例组合推演准则是指对于目标建筑结构的初始失效构件单元位置有多个的情况下，根据已有的设置为单个初始失效构件单元位置的多个典型建筑结构的推演信息进行预设条件的组合推测，来获取目标建筑结构的推演信息。在一些实施例中，预设条件可以为调整加权系数、放大系数等。所述加权系数和放大系数本领域技术人员可以根据经验获取。例如，如图6B为一种案例组合推演准则的示例性应用场景示意图。如图中605所示，目标建筑结构6053中梁柱的破坏位置有左右两处，而典型建筑结构6051的梁柱破坏位置只有右侧一处和典型建筑结构6052的梁柱破坏位置只有左侧一处。在此种情况下，就可以根据已有的典型建筑结构6051的右侧梁柱破坏位置的推演信息与已有的典型建筑结构6052 的左侧梁柱破坏位置的推演信息进行预设条件的组合推测，获得目标建筑结构的推演信息。具体地，目标建筑结构6053中同时受到两个初始破坏位置(即左右梁柱破坏)影响的区域，其破坏程度推演信息可组合计算为：
D(Total Damage)＝D1×a1+D2×a2 (2)
或者D(Total Damage)＝b×(D1+D2) (3)，
其中，D表示组合(6053)破坏结果推演信息，D1和D2表示单个案例(6051和6052)的破坏程度推演信息，a1和a2表示权重系数，b表示放大系数。
在一些实施例中，预设条件可以为能够保证推演信息准确的任意方式。
局部关联推演准则是指对于无法明确目标建筑结构的初始破坏构件单元位置的情况下，提取典型建筑结构上邻近预设区域在破坏结果推演信息上的关联规律，判断破坏结果推演信息的变化范围，给出一一对应的关联信息，然后通过该局部破坏结果推演信息来近似逼近真实的整体目标建筑结构破坏结果推演信息。例如，如图6C为一种类比近似推演准则的示例性应用场景示意图。如图中610所示，611为典型建筑，典型建筑611包括A区域和B区域，已知A区域的破坏程度为40％以及B区域的破坏程度为20％，A区域和B区域的破坏程度关联系数为0.5。612为目标建筑，目标建筑612包括C区域和D区域，已知目标建筑612上的区域C与典型建筑611上的B区域临近以及目标建筑612上的区域D与典型建筑611上的A区域临近，因此可以根据典型建筑上A区域和 B区域的破坏程度关联系数0.5，推出目标建筑612上的C区域和D区域的破坏程度关联系数0.5，当已知目标建筑612上C区域的破坏程度为30％，则目标建筑612上D区域的破坏程度为60％，或者当已知目标建筑612上D区域的破坏程度为60％，则目标建筑612上C区域的破坏程度为30％。
多路径推演准则是指目标建筑结构存在多种破坏演化路径的情况，分别提取各路径对应的破坏结果推演信息，根据发生的可能性赋予不同权重，组合预测总体风险推演信息。权重可以为预设值。在一些实施例中，随着时间的推移，可以根据真实破坏推演信息修正所设置的权重值，以保证结果的准确性。例如，如图6D为一种多路径推演准则的示例性应用场景示意图。如图中615所示，当目标建筑结构的局部A破坏程度为40％时，可能发生的破坏演化路径包括A1和 A2。A1路径的发生概率为70％，局部A1破坏程度为60％。A2路径的发生概率为30％，局部A2破坏程度为80％。则可以得到A部分的组合预测总体风险推演信息为：0.6*0.7+0.8*0.3＝66％。
反推起始位置推演准则是指对于无法明确目标建筑结构的初始破坏构件单元位置的情况下，通过目标建筑结构上的不同局部的破坏信息，在已有典型建筑结构案例库中反推破坏原因，确定目标建筑结构的起始构件单元破坏位置，然后重新根据其它准则进行推演，获得推演信息。其它准则可以为类比近似推演准则、案例组合推演准则、局部关联推演准则、多路径推演准则等中的一种或多种。在一些实施例中，当反推出的初始破坏构件单元位置存在多种案例组合的形式，根据发生的可能性赋予不同权重，组合预测初始破坏构件单元的推演信息。权重可以为预设值。在一些实施例中，权重可以根据后续信息进行修正。如图6E为一种反推起始位置推演准则的示例性应用场景示意图。如图中620所示，已知目标建筑结构621的局部破坏位置B的破坏程度为30％和局部破坏位置C的破坏程度为20％，但未知初始破坏位置以及破坏程度。因此，可以在案例库中搜索与目标建筑结构相同或相似的已有典型建筑结构622，获得分析结果，反推破坏原因，确定目标建筑结构的起始构件单元破坏位置A，破坏程度为40％。
通过上述各种推演准则的建立，无需基于目标建筑信息进行大规模的精细模型计算获得推演信息，只需调用与目标建筑信息匹配的一个或多个推演准则，即可快速准确的获取目标建筑的推演信息。
在一些实施例中，案例库和推演准则构建模块230可以分析案例库中的一个或多个分析结果，提取规律，获取一个或多个推演准则。
在一些实施例中，推演准则可以基于机器学习模型训练获得。
在一些实施例中，推演准则可以为机器学习模型。在一些实施例中，建筑结构破坏分析的快速推演系统200可以通过以下方式获得机器学习模型：建筑结构破坏分析的快速推演系统200获取初始机器学习模型。在一些实施例中，建筑结构破坏分析的快速推演系统200可以经由网络120从存储设备140中获取所述初始机器学习模型。所述初始机器学习模型可以包括DNN模型、CNN 模型、RNN模型、LSTM网络模型等中的一种或任意几种的组合。建筑结构破坏分析的快速推演系统200获取初始样本训练数据。在一些实施例中，建筑结构破坏分析的快速推演系统200可以经由网络120从存储设备140中获取所述初始样本训练数据。在一些实施例中，初始样本训练数据可以包括初始样本目标建筑信息和满足预设条件的一个或多个初始样本分析结果、以及根据初始样本目标建筑信息、满足预设条件的一个或多个初始样本分析结果以及所述推演准则，确定所述初始样本目标建筑结构信息的推演信息。推演信息是指当目标建筑发生突发情况时，基于已有典型建筑结构破坏分析结果，推断出来的目标建筑可能发生的建筑结构破坏结果。建筑结构破坏分析的快速推演系统200将初始样本目标建筑信息和满足预设条件的一个或多个初始样本推演信息作为输入，初始样本目标建筑结构信息的推演信息作为输出数据或参考标准，输入初始机器学习模型进行训练。
推演准则设置为机器学习模型，方便后期对推演准则进行不断优化，提高推演信息的准确率，同时，当发生突发事件时，方便调用机器学习模型快速获取推演信息。
步骤340，基于案例库、推演准则和目标建筑信息，获取所述目标建筑信息的推演信息。具体地，该步骤340可以由目标推演信息获取模块240执行。
关于步骤340的更多细节，具体参见图5及相关描述，此处不再赘述。
步骤350，基于目标建筑信息的推演信息，获取目标建筑信息的应急风险评估与应对信息。
应急风险评估与应对信息是指在突发风险事件之后，量化测评某一事件或事物带来的影响或损失的可能程度，然后采取对应措施。所述对应措施可以包括人员疏散、危险评级、损失预估等中的一种或多种。
该推演方法通过案例库和推演准则的设置，并通过案例库展示对应案例的破坏特点、破坏规律以及宏观可视的破坏结果；当发生突发事件时，在现场信息有限且时间要求紧迫，预测评估工作来不及开展大规模的精细模型计算的情况下，根据已有案例库的分析结果和推演准则，快速推演出目标建筑的推演信息，定量分析破坏演化的风险，从而快速指导后续应急管理工作的开展，实现人员疏散、危险评级、损失预估等工作。
图4是根据本说明书一些实施例所示的构建案例库方法的示例性流程图。
步骤332，基于一个或多个分析结果和典型建筑结构信息，构建对应的一个或多个宏观的代理模型。
宏观代理模型是指对典型建筑结构力学模型进行简化并对局部构件单元标记分析结果的模型。典型建筑结构力学模型根据典型建筑结构信息获得。
在一些实施例中，每个宏观的代理模型包括以下典型建筑结构力学模型的简化模型以及简化模型上不同位置构件单元的分析结果中的至少一种。在一些实施例中，分析结果可以包括以下简化模型上不同位置构件单元的危险程度、简化模型上不同位置构件单元在局部区域的危险占比、简化模型上局部区域展示统计后的安全信息、简化模型上后续破坏的敏感构件单元中的至少一种或多种。简化模型是指仅保留典型建筑结构力学模型上的结构框架以及尺寸比例等显著特征的模型。危险程度是指构件单元发生破坏的严重程度。危险占比是指在目标建筑结构的局部区域上，统计出来的该局部区域上各个构件单元的力学响应结果(如应力、应变、位移等)大于或等于阈值的构件单元在局部区域的占比。其中，阈值为预设阈值。预设阈值可以是本领域技术人员根据经验设置。在一些实施例中，危险占比也为破坏程度百分比。安全信息是指当构件单元发生破坏，对应采取的人员疏散信息。敏感构件单元是指受初始失效构件单元位置影响而发生连续破坏的构件单元。
在一些实施例中，案例库和推演信息构建模块230可以将典型建筑结构力学模型进行简化，然后在简化后的力学模型上对应构件单元标注一个或多个分析结果，获得对应的一个或多个宏观的代理模型。
步骤334，将一个或多个宏观的代理模型存入案例库，构建成为案例库。
在一些实施例中，案例库可以不断的更新。
通过上述案例库的建立，可以快速获取与目标建筑信息相同或相似的典型建筑结构模型，然后基于该典型建筑结构模型的分析结果获取目标建筑信息的推演信息。另外，还可以通过案例库的建立，获取大量的不同构件单元的分析结果，然后基于该分析结果获得更多的推演准则。
图5是根据本说明书一些实施例所示的确定目标建筑获取信息的推演信息方法的示例性流程图。
步骤342，将目标建筑信息与案例库中存储的一个或多个分析结果和典型建筑结构信息进行匹配，选取满足预设条件的一个或多个分析结果。
目标建筑是指在推演信息的预测评估工作中，需要进行推演信息的预测评估的目标建筑物。目标建筑信息是指能够反映目标建筑的信息。在一些实施例中，目标建筑信息可以为目标建筑结构信息。例如，目标建筑结构信息可以为真实目标建筑结构的建筑材料类型、梁柱数量、梁柱尺寸、力学信息等中的至少一种。在一些实施例中，目标建筑信息可以为其它信息。例如，目标建筑的推演信息。
在一些实施例中，预设条件可以为目标建筑结构与典型建筑结构是否相同或相似、目标建筑结构与典型建筑结构破坏的相对位置是否相同或相似、目标建筑结构与典型建筑结构的荷载是否相同或相似等中的一种或多种。
在一些实施例中，目标建筑结构与典型建筑结构是否相同或相似为预设条件的第一考虑要素。在一些实施例中，目标建筑结构与典型建筑结构破坏的相对位置是否相同或相似为预设条件的第二考虑要素。在一些实施例中，目标建筑结构与典型建筑结构的荷载是否相同或相似为预设条件的第三考虑要素。
步骤344，基于满足预设条件的一个或多个分析结果和所述推演准则，确定所述目标建筑信息的推演信息。
推演信息是指当目标建筑发生突发情况时，基于已有典型建筑结构破坏分析结果，推断出来的目标建筑可能发生的建筑结构破坏结果。
在一些实施例中，推演信息可以为单个破坏路径推演信息。单个破坏路径推演信息是指对建筑结构力学模型中的一个或多个构件单元进行删除或刚度削减后，该删除或刚度削减后的一个或多个构件单元只对建筑结构力学模型上的另一个构件单元产生破坏以及分析该破坏获得的信息。
在一些实施例中，推演信息可以为连续破坏路径推演信息。连续破坏路径推演信息是指对建筑结构力学模型中的一个或多个构件单元进行删除或刚度削减后，该删除或刚度削减后的一个或多个构件单元对建筑结构力学模型上的至少两个构件单元所形成的连续破坏路径以及分析该连续破坏获得的信息。
应当注意的是，上述有关流程300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。例如，步骤340和350可以合并为一个步骤。
本申请实施例可能带来的有益效果包括但不限于：
(1)通过案例库的建立，可以快速获取与目标建筑信息相同或相似的典型建筑结构模型，然后基于该典型建筑结构模型的分析结果获取目标建筑信息的推演信息；(2)通过案例库的建立，可以获取大量的不同建筑结构的分析结果，然后基于该分析结果获得更多的推演准则；(3)通过推演准则的建立，无需基于目标建筑信息进行大规模的精细模型计算获得推演信息，只需调用与目标建筑信息匹配的推演准则，即可快速准确的获取目标建筑的推演信息；(4)通过案例库和推演准则的设置，并通过案例库展示对应案例的破坏特点、破坏规律以及宏观可视的破坏结果；当发生突发事件时，在现场信息有限且时间要求紧迫，预测评估工作来不及开展大规模的精细模型计算的情况下，根据已有案例库的分析结果和推演准则，快速推演出目标建筑的推演信息，定量分析破坏演化的风险，从而快速指导后续应急管理工作的开展，实现人员疏散、危险评级、损失预估等工作。(5)推演准则设置为机器学习模型，方便后期对推演准则进行不断优化，提高推演信息的准确率，同时，当发生突发事件时，方便调用机器学习模型快速获取推演信息。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (7)

1.一种建筑结构破坏分析的快速推演方法，其特征在于，包括：
基于典型建筑结构信息，构建典型建筑结构力学模型；
对所述典型建筑结构力学模型进行一个或多个构件单元破坏预分析，获取一个或多个分析结果；
基于所述一个或多个分析结果和所述典型建筑结构信息，构建案例库和推演准则；以及
基于所述案例库、所述推演准则和目标建筑信息，获取所述目标建筑信息的推演信息，所述推演信息为连续破坏路径推演信息；
其中，所述基于所述案例库、所述推演准则和目标建筑信息，获取所述目标建筑信息的推演信息包括：
将所述目标建筑信息与所述案例库中存储的所述一个或多个分析结果和所述典型建筑结构信息进行匹配，选取满足预设条件的一个或多个分析结果；
基于所述满足预设条件的一个或多个分析结果和所述推演准则，确定所述目标建筑信息的推演信息；
所述推演准则包括机器学习模型，所述基于所述满足预设条件的一个或多个分析结果和所述推演准则，确定所述目标建筑信息的推演信息包括：
将所述满足预设条件的一个或多个分析结果和所述目标建筑信息输入所述机器学习模型，以确定所述目标建筑信息的推演信息。
2.根据权利要求1所述的建筑结构破坏分析的快速推演方法，其特征在于，所述方法还包括：
基于所述目标建筑信息的推演信息，获取所述目标建筑信息的应急风险评估与应对信息。
3.根据权利要求1所述的建筑结构破坏分析的快速推演方法，其特征在于，所述推演准则包括以下中的至少一种：类比近似推演准则、案例组合推演准则、局部关联推演准则、多路径推演准则、反推起始位置推演准则。
4.根据权利要求1所述的建筑结构破坏分析的快速推演方法，其特征在于，所述基于所述一个或多个分析结果和所述典型建筑结构信息，构建案例库包括：
基于所述一个或多个分析结果和所述典型建筑结构信息，构建对应的一个或多个宏观的代理模型；
将所述一个或多个宏观的代理模型存入案例库，构建完成案例库。
5.根据权利要求4所述的建筑结构破坏分析的快速推演方法，其特征在于，每个宏观的代理模型包括以下中的至少一种：所述典型建筑结构力学模型的简化模型、所述简化模型上一个或多个构件单元的分析结果。
6.一种建筑结构破坏分析的快速推演系统，包括力学模型构建模块、分析结果获取模块、案例库和推演准则构建模块以及目标推演信息获取模块；
所述力学模型构建模块用于基于典型建筑结构信息，构建典型建筑结构力学模型；
所述分析结果获取模块用于对所述典型建筑结构力学模型进行一个或多个构件单元破坏预分析，获取一个或多个分析结果；
所述案例库和推演准则构建模块用于基于所述一个或多个分析结果和所述典型建筑结构信息，构建案例库和推演准则；
所述目标推演信息获取模块用于基于所述案例库、所述推演准则和目标建筑信息，获取所述目标建筑信息的推演信息，所述推演信息为连续破坏路径推演信息；
其中，所述目标推演信息获取模块进一步用于：
将所述目标建筑信息与所述案例库中存储的所述一个或多个分析结果和所述典型建筑结构信息进行匹配，选取满足预设条件的一个或多个分析结果；
基于所述满足预设条件的一个或多个分析结果和所述推演准则，确定所述目标建筑信息的推演信息；
所述推演准则包括机器学习模型，所述目标推演信息获取模块进一步用于：
将所述满足预设条件的一个或多个分析结果和所述目标建筑信息输入所述机器学习模型，以确定所述目标建筑信息的推演信息。
7.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1~5任一项所述的建筑结构破坏分析的快速推演方法。
CN202110861362.XA 2021-07-29 2021-07-29 一种建筑结构破坏分析的快速推演方法和系统 Active CN113536441B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110861362.XA CN113536441B (zh) 2021-07-29 2021-07-29 一种建筑结构破坏分析的快速推演方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110861362.XA CN113536441B (zh) 2021-07-29 2021-07-29 一种建筑结构破坏分析的快速推演方法和系统

Publications (2)

Publication Number Publication Date
CN113536441A CN113536441A (zh) 2021-10-22
CN113536441B true CN113536441B (zh) 2024-04-05

Family

ID=78121508

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110861362.XA Active CN113536441B (zh) 2021-07-29 2021-07-29 一种建筑结构破坏分析的快速推演方法和系统

Country Status (1)

Country Link
CN (1) CN113536441B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971288A (zh) * 2014-05-16 2014-08-06 上海建科工程咨询有限公司 一种基于事故案例推理的钢结构施工风险评估方法
KR20180055682A (ko) * 2016-11-17 2018-05-25 한국전자통신연구원 건물 분석 장치 및 방법
CN108229056A (zh) * 2018-01-29 2018-06-29 江苏壹鼎崮机电科技有限公司 建筑抗震支吊架的抗震可靠度设计方法
CN111177819A (zh) * 2019-11-28 2020-05-19 北京大学 一种复杂建筑结构多点破坏的快速模拟方法
CN111242203A (zh) * 2020-01-07 2020-06-05 华北水利水电大学 水利工程运行期事故案例库匹配方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971288A (zh) * 2014-05-16 2014-08-06 上海建科工程咨询有限公司 一种基于事故案例推理的钢结构施工风险评估方法
KR20180055682A (ko) * 2016-11-17 2018-05-25 한국전자통신연구원 건물 분석 장치 및 방법
CN108229056A (zh) * 2018-01-29 2018-06-29 江苏壹鼎崮机电科技有限公司 建筑抗震支吊架的抗震可靠度设计方法
CN111177819A (zh) * 2019-11-28 2020-05-19 北京大学 一种复杂建筑结构多点破坏的快速模拟方法
CN111242203A (zh) * 2020-01-07 2020-06-05 华北水利水电大学 水利工程运行期事故案例库匹配方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
建筑物理模型与结构分析模型的数据映射研究;秦领;刘西拉;;土木建筑工程信息技术;20100615(第02期);28-36 *

Also Published As

Publication number Publication date
CN113536441A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
Eads et al. An efficient method for estimating the collapse risk of structures in seismic regions
Shafei et al. A simplified method for collapse capacity assessment of moment-resisting frame and shear wall structural systems
Liel et al. Incorporating modeling uncertainties in the assessment of seismic collapse risk of buildings
Dolšek Simplified method for seismic risk assessment of buildings with consideration of aleatory and epistemic uncertainty
Zhang et al. Pattern recognition approach to assess the residual structural capacity of damaged tall buildings
Adam et al. Simplified collapse capacity assessment of earthquake excited regular frame structures vulnerable to P-delta
Unnikrishnan et al. Development of fragility curves using high‐dimensional model representation
Pnevmatikos et al. Fragility curves for mixed concrete/steel frames subjected to seismic excitation
Kosič et al. Approximate seismic risk assessment of building structures with explicit consideration of uncertainties
Zacharenaki et al. Reliability-based optimum seismic design of structures using simplified performance estimation methods
Papadrakakis et al. Soft computing methodologies for structural optimization
Karavasilis et al. Behavior factor for performance-based seismic design of plane steel moment resisting frames
Fereshtehnejad et al. System reliability-based seismic collapse assessment of steel moment frames using incremental dynamic analysis and Bayesian probability network
Deniz et al. Energy-based sidesway collapse fragilities for ductile structural frames under earthquake loadings
Hwang et al. Estimation of economic seismic loss of steel moment-frame buildings using a machine learning algorithm
Tamura et al. Machine learning for combinatorial optimization of brace placement of steel frames
Noureldin et al. Fragility-based framework for optimal damper placement in low-rise moment-frame buildings using machine learning and genetic algorithm
Zeng et al. Artificial Intelligence tool for fire safety design (IFETool): Demonstration in large open spaces
Yeo et al. Post‐quake decision analysis using dynamic programming
CN113536441B (zh) 一种建筑结构破坏分析的快速推演方法和系统
Wang et al. Machine learning-based collapse prediction for post-earthquake damaged RC columns under subsequent earthquakes
Yuan et al. Post-earthquake regional structural damage evaluation based on artificial neural networks considering variant structural properties
Lavan et al. Progressive collapse analysis through strength degradation and fracture in the mixed Lagrangian formulation
Kang et al. Deep neural network‐based regional seismic loss assessment considering correlation between EDP residuals of building structures
Micheli et al. Life‐cycle cost optimization of wind‐excited tall buildings using surrogate models

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant