CN114779329A - 一种近断层海域地震动反应谱标定方法 - Google Patents

一种近断层海域地震动反应谱标定方法 Download PDF

Info

Publication number
CN114779329A
CN114779329A CN202210433831.2A CN202210433831A CN114779329A CN 114779329 A CN114779329 A CN 114779329A CN 202210433831 A CN202210433831 A CN 202210433831A CN 114779329 A CN114779329 A CN 114779329A
Authority
CN
China
Prior art keywords
population
seismic
formula
new
sea area
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.)
Granted
Application number
CN202210433831.2A
Other languages
English (en)
Other versions
CN114779329B (zh
Inventor
张超
武程
王丕光
贾宏宇
余印根
卢建斌
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.)
Fuzhou University
Original Assignee
Fuzhou 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 Fuzhou University filed Critical Fuzhou University
Priority to CN202210433831.2A priority Critical patent/CN114779329B/zh
Publication of CN114779329A publication Critical patent/CN114779329A/zh
Application granted granted Critical
Publication of CN114779329B publication Critical patent/CN114779329B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28Processing seismic data, e.g. for interpretation or for event detection
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30Analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/004Artificial life, i.e. computing arrangements simulating life
    • G06N3/006Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Acoustics & Sound (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明涉及一种近断层海域地震动反应谱标定方法。该方法包括:选取近断层海域地震动记录;对近断层海域地震动记录进行预处理;获取近断层海域目标加速度反应谱;确定场地特征周期Tg、脉冲周期Tp,海水修正系数γ取值范围;随机生成初始种群;对初始种群进行适应度评价;划分新种群;得到变异新种群;得到交叉新种群;筛选出下一代种群,计算新种群的适应度,得到场地特征周期Tg、脉冲周期Tp,海水修正系数γ的最优解;得到标定的近断层海域地震动反应谱。本发明方法标定得到的近断层海域地震动反应谱更加符合真实的近断层海域地震动反应谱,而且更加高效。

Description

一种近断层海域地震动反应谱标定方法
技术领域
本发明涉及一种近断层海域地震动反应谱标定方法。
背景技术
现阶段对近断层海域地震动反应谱标定这方面的研究较少,由于目前近断层海域地震动台站和记录相对匮乏,近断层海域地震动特性和拟合方面的研究受到限制。然而根据已有研究表明,由于上覆海水层和海陆不同土层结构等影响,海域与陆地地震动有着显著区别。因此,海洋工程的抗震设计和安全评估依然参照陆地地震动的规范和特性展开是不合理的。为了研究近断层海域地震动第一步就需要反映出近断层海域反应谱真实特性,所以为了填补海域场地工程结构抗震设计的空白,有必要研究近断层海域地震动反应谱标定方法。近断层海域地震反应谱标定不仅可以得到更符合真实的地震动,而且在一定程度上也促进了结构抗震设计的发展。因此,研究近断层海域地震动反应谱标定方法显得尤为重要。
现有技术1【1】包括以下几个主要步骤:
步骤S1:根据式(1)求出速度放大系数设计谱βV(T)
Figure BDA0003611750310000011
其中βmm为各类场地上的拟速度均值谱峰值,根据式(2)确定:
βmm=ΩCs 式(2)
式中:
βV(T)—速度放大系数设计谱;
Tg—反应谱的特征周期;
Tp—脉冲周期;
T—结构自振周期;
Ω—各脉冲地震动记录速度放大系数谱最大值的平均值
其中,Ω的取值为2.2。
步骤S2:根据式(3)得等效加速度放大系数谱βVa(T)
Figure BDA0003611750310000021
式中:
βVa(T)—等效加速度放大系数谱;
ω—结构自振频率;
PGV/PGA—峰值地面速度与峰值地面加速度比值;
其中,PGV/PGA为所选用的226条地震动的均值;
步骤S3:根据式(4)求得近断层地震动反应谱函数SVa(T,ζ),如下所示。
SVa(T,ζ)=CRCdVa(T) 式(4)
式中:
SVa(T,ζ)—近断层地震动反应谱函数;
CR—风险系数;
Cd—阻尼调整系数;
现有技术2【2】包括以下几个主要步骤:
(1)初始取值
将T0,Tg,βmax和γ这4个参数作为个体,并给出每个参数的最小值和最大值,利用式(1)随机产生s组第t代种群,t初始值为零,其表达形式为式(2)
Xi=[xi1 xi2…xin] 式(1)
Figure BDA0003611750310000022
(2)若当前进化代数t为最大进化代数或目标函数Q<10-5停止计算,输出结果,否则继续进行计算。
(3)从当前的种群中随机选取3个行向量分别为xr1(t),xr2(t),xr3(t),分别见式(3)~式(5)。
xr1(t)=(T0r1(t),T0g1(t),βmaxr1(t),γr1(t)) 式(3)
xr2(t)=(T0r2(t),T0g2(t),βmaxr2(t),γr2(t)) 式(4)
xr3(t)=(T0r3(t),T0g3(t),βmaxr3(t),γr3(t)) 式(5)
按式(6)计算得到变异行向量Vi(t)
Vi(t)=(T0i(t),Tgi(t),βmaxi(t),γi(t)) 式(6)
(4)交叉操作
对于群体中目标矢量个体Xi(t),将与变异矢量Vi(t)进行交叉计算得到交叉进化后行向量Ui(t),见式(7)
Ui(t)=(T'0i(t),T'gi(t),βmaxi'(t),γ'i(t)) 式(7)
(5)选择操作
差分进化采用最优的搜索策略,对交叉变异后的向量Ui(t)和初始向量Xi(t)进行竞争,只有当Ui(t)的误差比Xi(t)小时才会选作下一代,否则,直接将Xi(t)作为下一代,即输出Xi(t+1),见式(8)
Figure BDA0003611750310000031
(6)评价
对步骤(5)中计算结果进行评价,若向量计算的Q(Xi(t))小于设定的值则终止计算;若不满足,则将t+1代向量Xi(t+1)转向步骤(2)重复计算,直到满足终止条件或者达到进化次数,输出最优拟合解T0x,Tgx,βmax,γx。
(1)现有技术1提出的近断层地震动反应谱是基于陆地近断层地震动记录提出来的,没有考虑海域地震动特性,不适应于海域近断层地震动反应谱。海水层不仅会直接影响地震波在近海场地中的传播,还会增大近海场地土层的饱和度和孔隙水压力,进而影响地震动的场地放大效应。通过计算海域与陆地场地的地震动传递函数比值发现在地震动反应谱高频段存在附近地震动传递函数比值接近0,这说明海水层会显著抑制地震动的高频成分。因此,目前针对陆地场地的近断层地震动不能适用于海域近断层地震动反应谱。
(2)现有技术2在标定近断层海域地震动反应谱过程中直接将初始种群进行变异,交叉,操作,没有考虑种群差异性以及迭代过程中种群数量过大,该方法拟合效率低。由于初始种群差异性以及迭代过程中种群数量过大,若不按照种群差异性排序进行划分子种群,会使得初始种群失去多样性,直接进行变异,交叉,选择操作会受初始种群内部差异性较差的种群的干扰影响,会增加进化过程中迭代次数。由于近断层海域地震动反应谱拟合过程中具有迭代次数多,计算量大的特点,所以在标定过程中计算效率十分重要。然而,目前根据该方法标定近断层海域地震动反应谱拟合效率低。
发明内容
本发明的目的在于提供一种近断层海域地震动反应谱标定方法,该方法可以提高近断层海域地震动拟合精度,以使标定的设计反应谱更加真实反映近断层海域地震动反应谱,而且更加高效,并填补海域场地工程结构抗震设计的空白。
为实现上述目的,本发明的技术方案是:一种近断层海域地震动反应谱标定方法,包括:选取近断层海域地震动记录;对近断层海域地震动记录进行预处理;获取近断层海域目标加速度反应谱;确定场地特征周期Tg、脉冲周期Tp、海水修正系数γ取值范围;随机生成初始种群;对初始种群进行适应度评价;划分新种群;得到变异新种群;得到交叉新种群;筛选出下一代种群,计算新种群的适应度,得到场地特征周期Tg、脉冲周期Tp,海水修正系数γ的最优解;得到标定的近断层海域地震动反应谱。
在本发明一实施例中,所述选取近断层海域地震动记录,即选取海域地震动记录和陆地地震动记录,并根据地震动场地条件进行分组,考虑竖向以及水平向地震动记录。
在本发明一实施例中,所述对近断层海域地震动记录进行预处理的具体实现步骤如下:
1)根据式(1)将地震动记录S(a)乘以缩放因子δ确定原始地震动记录S'(a)
S′(a)=S(a)×δ (1)
式中:S'(a)为原始地震动记录;S(a)为地震动记录;δ为缩放因子,缩放因子的确定即下载后的地震动记录与原始地震动记录的比值;
2)计算原始地震动记录S'(a)全时长加速度数据的均值M(a);
3)得到地震动数据D(a):地震动数据D(a)是通过将原始地震动记录S'(a)全时长加速度数据减去均值M(a)得到;
4)根据式(2)对地震动数据D(a)进行基线校正得到地震动加速度时程D'(a):
Figure BDA0003611750310000051
Figure BDA0003611750310000052
其中:
Figure BDA0003611750310000053
Figure BDA0003611750310000054
式中:D(a)为地震动数据;
Figure BDA0003611750310000055
为校正后地震动数据;D'(a)为地震动加速度时程;
Figure BDA0003611750310000056
为校正后地震动加速度时程;a0,a1为基线校正系数;a为时间参数;T为周期;
5)对基线校正后的地震动加速度时程D'(a)进行滤波处理得到地震动加速度时程A(a)。滤波处理采用4阶Butterworth带通滤波器,截止频率为0.1-35Hz。
在本发明一实施例中,所述获取近断层海域目标加速度反应谱的具体实现步骤如下:
1)由于脉冲周期与近断层地震矩震级之间有很强的相关性,因此需要考虑脉冲周期对近断层地震动的影响,脉冲周期根据式(3)来确定;
ln(Tp)=-5.78+1.02Mw (3)
2)由于近断层地震动具有高低频成分特性,根据临界频率fr确定近断层地震动高频成分,其中临界频率根据式(4)来确定:
fr=1.72·Tp -1 (4)
3)由于海水对竖向地震动的高频成分有削弱和压制作用,因此需要对近断层反应谱高频成分进行局部修正;根据临界频率fr确定近断层海域地震动高频成分,将大于临界频率fr部分统一乘以海水修正系数γ;
4)确定目标加速度反应谱
速度放大系数设计谱βV(T)形式如下式所示:
Figure BDA0003611750310000061
其中βmm为各类场地上的拟速度均值谱峰值,根据式(6)确定:
βmm=ΩCs (6)
S(T)=βV(T)×αmax
式中:S(T)为目标加速度反应谱;βV(T)为速度放大系数设计谱;Tg为反应谱的特征周期;Tp为脉冲周期;T为结构自振周期;γ为海水修正系数;Ω为各脉冲地震动记录速度放大系数谱最大值的平均值。
在本发明一实施例中,所述场地特征周期Tg、脉冲周期Tp、海水修正系数γ取值范围的确定方式为:根据场地条件规定场地特征周期Tg范围为0.8s~1.4s,脉冲周期Tp范围由矩震级来确定,规定脉冲周期Tp范围为1.75s~3.25s;规定海水修正系数γ范围为1.1~1.6。
在本发明一实施例中,所述随机生成初始种群,对初始种群进行适应度评价,划分新种群,得到变异新种群,得到交叉新种群,筛选出下一代种群,计算新种群的适应度,得到场地特征周期Tg、脉冲周期Tp,海水修正系数γ的最优解的具体实现步骤如下:
1)根据式(7)随机生成初始种群X(t):
Figure BDA0003611750310000062
式中:X(t)为初始种群;N为种群规模;t为种群进化代数;
2)根据式(8)计算第t代初始种群X(t)的适应度值
Figure BDA0003611750310000063
Figure BDA0003611750310000064
式中:β′(T)为第t代初始种群X(t)中某组
Figure BDA0003611750310000065
的放大系数谱;Tm为放大系数谱曲线下降段的最大周期;
Figure BDA0003611750310000071
为第t代初始种群X(t)的适应度值;
3)对初始种群适应度
Figure BDA0003611750310000072
进行适应度评价:将初始种群适应度根据大小进行从最小值到最大值依次排序,评价标准为初始种群X(t)的适应度值
Figure BDA0003611750310000073
与10-5之间的大小关系;
4)筛选出新种群S1:将初始种群适应度值小于10-5的种群分为种群S1;
5)筛选出新种群S2、S3:将初始种群适应度等于10-5的种群分为种群S2,将初始种群适应度大于10-5的种群分为种群S3;
6)从种群S1中随机选取3组向量
Figure BDA0003611750310000074
r1、r2、r3∈[1,N],根据式(9)计算变异向量
Figure BDA0003611750310000075
变异得到变异新种群M1(t),见式(10):
Figure BDA0003611750310000076
Figure BDA0003611750310000077
式中:M1(t)为种群S1变异新种群;N1为种群S1规模;F为变异缩放因子;
7)将种群S1中的种群个体向量
Figure BDA00036117503100000717
和变异种群M1(t)中的变异种群个体向量
Figure BDA0003611750310000078
按照式(11)进行交叉混合,交叉得到交叉新种群C1(t):
Figure BDA0003611750310000079
Figure BDA00036117503100000710
式中:C1(t)为种群S1交叉新种群;M1(t)为种群S1变异新种群;X1(t)为初始种群S1;
Figure BDA00036117503100000711
为交叉个体向量
Figure BDA00036117503100000712
的第i个元素,i=1,2,…,n;j=1,2,…,N;n1为种群S1标定参数总数;N1为种群S1规模;randj,i(0,1)为针对交叉个体向量
Figure BDA00036117503100000713
每一个元素产生的在[0,1]区间的随机数;CR为交叉概率,取值范围为[0,1];Randn1i为[0,n]区间的随机整数;
8)根据式(12)计算第t代交叉新种群C1(t)的适应度值
Figure BDA00036117503100000714
Figure BDA00036117503100000715
式中:α(T)为第t代种群S1交叉新种群C1(t)中某组
Figure BDA00036117503100000716
的放大系数谱;Tm为放大系数谱曲线下降段的最大周期;
Figure BDA0003611750310000081
为第t代种群S1交叉新种群C1(t)的适应度值;
9)根据式(13)筛选出下一代种群S1(t+1)的个体向量
Figure BDA0003611750310000082
Figure BDA0003611750310000083
式中:S1(t+1)为下一代种群S1;
Figure BDA0003611750310000084
为下一代种群S1(t+1)的个体向量;
Figure BDA0003611750310000085
为初始种群S1个体向量;
Figure BDA0003611750310000086
为变异新种群S1个体向量;
Figure BDA0003611750310000087
为第t代交叉新种群C1(t)的适应度值;
Figure BDA0003611750310000088
为第t代初始种群X1(t)的适应度值;
10)将筛选出的个体向量
Figure BDA0003611750310000089
组合成下一代种群S1(t+1),见式(14):
Figure BDA00036117503100000810
11)从种群S2中随机选取3组向量
Figure BDA00036117503100000811
根据式(9)计算变异向量
Figure BDA00036117503100000812
变异得到变异新种群M2(t),见式(16):
Figure BDA00036117503100000813
Figure BDA00036117503100000814
式中:M2(t)为种群S2变异新种群;N2为种群S2规模;
12)将种群S2中的种群个体向量
Figure BDA00036117503100000815
和变异种群M2(t)中的变异种群个体向量
Figure BDA00036117503100000816
按照式(17)进行交叉混合,交叉得到交叉新种群C2(t):
Figure BDA00036117503100000817
Figure BDA00036117503100000818
式中:C2(t)为种群S2交叉新种群;M2(t)为种群S2变异新种群;X2(t)为初始种群S2;
Figure BDA00036117503100000819
为交叉个体向量
Figure BDA00036117503100000820
的第i个元素,i=1,2,…,n2;j=1,2,…,N2;n2为种群S2标定参数总数;N2为种群S2规模;randj,i(0,1)为针对交叉个体向量
Figure BDA00036117503100000821
每一个元素产生的在[0,1]区间的随机数;CR为交叉概率,取值范围为[0,1];Randn2i为[0,n]区间的随机整数;
13)根据式(18)计算第t代交叉新种群C2(t)的适应度值
Figure BDA00036117503100000822
Figure BDA0003611750310000091
式中:α2(T)为第t代种群S2交叉新种群C2(t)中某组
Figure BDA0003611750310000092
的放大系数谱;Tm为放大系数谱曲线下降段的最大周期;
Figure BDA0003611750310000093
为第t代种群S1交叉新种群C2(t)的适应度值;
14)根据式(19)筛选出下一代种群S2(t+1)的个体向量
Figure BDA0003611750310000094
Figure BDA0003611750310000095
式中:S2(t+1)为下一代种群S2;
Figure BDA0003611750310000096
为下一代种群S2(t+1)的个体向量;
Figure BDA0003611750310000097
为初始种群S2个体向量;
Figure BDA0003611750310000098
为变异新种群S2个体向量;
Figure BDA0003611750310000099
为第t代交叉新种群C2(t)的适应度值;
Figure BDA00036117503100000910
为第t代初始种群X2(t)的适应度值;
15)将筛选出的个体向量
Figure BDA00036117503100000911
组合成下一代种群S2(t+1),见式(20):
Figure BDA00036117503100000912
16)从种群S3中随机选取3组向量
Figure BDA00036117503100000913
(r1、r2、r3∈[1,N]),根据式(21)计算变异向量
Figure BDA00036117503100000914
变异得到变异新种群M3(t),见式(22):
Figure BDA00036117503100000915
Figure BDA00036117503100000916
式中:M3(t)为种群S3变异新种群;N3为种群S3规模;
17)将种群S3中的种群个体向量
Figure BDA00036117503100000917
和变异种群M3(t)中的变异种群个体向量
Figure BDA00036117503100000918
按照式(23)进行交叉混合,交叉得到交叉新种群C3(t)
Figure BDA00036117503100000919
Figure BDA00036117503100000920
式中:C3(t)为种群S3交叉新种群;M3(t)为种群S3变异新种群;X3(t)为初始种群S3;
Figure BDA00036117503100000921
为交叉个体向量
Figure BDA00036117503100000922
的第i个元素,i=1,2,…,n3;j=1,2,…,N3;n3为种群S3标定参数总数;N3为种群S3规模;randj,i(0,1)为针对交叉个体向量
Figure BDA0003611750310000101
每一个元素产生的在[0,1]区间的随机数;CR为交叉概率,取值范围为[0,1];Randn3i为[0,n]区间的随机整数;
18)根据式(24)计算第t代交叉新种群C3(t)的适应度值
Figure BDA0003611750310000102
Figure BDA0003611750310000103
式中:α3(T)为第t代种群S23交叉新种群C3(t)中某组
Figure BDA0003611750310000104
的放大系数谱;Tm为放大系数谱曲线下降段的最大周期;
Figure BDA0003611750310000105
为第t代种群S3交叉新种群C3(t)的适应度值;
19)根据式(25)筛选出下一代种群S3(t+1)的个体向量
Figure BDA0003611750310000106
Figure BDA0003611750310000107
式中:S3(t+1)为下一代种群S3;
Figure BDA0003611750310000108
为下一代种群S3(t+1)的个体向量;
Figure BDA0003611750310000109
为初始种群S3个体向量;
Figure BDA00036117503100001010
为变异新种群S3个体向量;
Figure BDA00036117503100001011
为第t代交叉新种群C3(t)的适应度值;
Figure BDA00036117503100001012
为第t代初始种群X3(t)的适应度值;
20)将筛选出的个体向量
Figure BDA00036117503100001013
组合成下一代种群S3(t+1),见式(26)
Figure BDA00036117503100001014
21)将步骤9)、14)、19)得到的种群S1(t+1)、S2(t+1)、S3(t+1)组合成下一代种群X(t+1);
22)将组合得到的下一代种群X(t+1)进行重复变异、交叉和筛选操作5)~21),直到找到某组个体向量的适应度值小于限定值10-5或者进化代数t达到最大进化代数[tmax],则停止计算,进入步骤23)。
23)求出场地特征周期Tg、反应谱的脉冲周期Tp、海水修正系数γ最优解。
相较于现有技术,本发明具有以下有益效果:
(1)本发明提出了一种近断层海域地震动反应谱,同时考虑了近断层地震动特性及海域地震动特性。本发明通过对临界频率fr,震级Mw和脉冲周期Tp、三个参数间进行相关性分析发现临界频率fr与脉冲周期Tp具有极强的负相关性,该定义正是对临界频率fr和脉冲周期Tp进行了最小二乘法拟合得到的统计规律。更合理更接近真正的临界频率值。由于海水对地震动的高频成分有削弱和压制作用,因此本发明对近断层海域地震动高频成分进行了相应的修正,即基于近断层地震动速度放大系数谱推导出近断层海域地震动速度放大系数谱。因此本发明提出的地震动反应谱适应于近断层海域地震动反应谱。
(2)本发明提出了一种近断层海域地震动反应谱标定方法,该方法标定的地震动反应谱拟合效率高。本发明标定近断层海域地震动反应谱根据初始种群差异性将种群分为多个子种群。将多个子种群分别进行变异,交叉,选择操作可以避免由于种群间差异性过大受其他种群的干扰,多种群的存在可以使该标定方法能够并行同时进行操作并且每个子种群按照相同的变异,交叉,选择策略同时进化,在步骤S18中可看出,只有当变异新种群适应度小于初始新种群适应度才会进入下一代,否则将会一直循环不满足条件的子种群。在步骤S7通过对初始种群按照适应度大小进行排序并划分新种群S1-S3即可避免在步骤S18中由于不满足条件的子种群进而增加不必要的迭代次数,同时由于种群S1都满足迭代终止条件,本方法相对原有方法可以省略掉种群S1的迭代次数,故本方法可以减少运算迭代次数,有效的减少计算时间,根据该方法标定近断层海域地震动反应谱拟合效率高。因此基于差分进化方法的近断层海域地震动反应谱标定与实际近断层海域反应谱拟合效果更好。
附图说明
图1为本发明方法流程图。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明一种近断层海域地震动反应谱标定方法,包括:选取近断层海域地震动记录;对近断层海域地震动记录进行预处理;获取近断层海域目标加速度反应谱;确定场地特征周期Tg、脉冲周期Tp、海水修正系数γ取值范围;随机生成初始种群;对初始种群进行适应度评价;划分新种群;得到变异新种群;得到交叉新种群;筛选出下一代种群,计算新种群的适应度,得到场地特征周期Tg、脉冲周期Tp,海水修正系数γ的最优解;得到标定的近断层海域地震动反应谱。
以下为本发明具体实现过程。
如图1所示,本发明一种近断层海域地震动反应谱标定方法,具体实现步骤如下:
步骤S1:选取地震动记录S(a)
选取海域地震动记录和陆地地震动记录,并根据地震动场地条件进行分组,考虑竖向以及水平向地震动记录。
步骤S2:根据步骤S1下载的地震动记录S(a)进行预处理
步骤S2.1:根据式(1)将地震动记录S(a)乘以缩放因子δ确定原始地震动记录S'(a)
S′(a)=S(a)×δ (1)
式中:
S'(a)—原始地震动记录;
S(a)—地震动记录;
δ—缩放因子,缩放因子的确定即下载后的地震动记录与原始地震动记录的比值
步骤S2.2:计算原始地震动记录S'(a)全时长加速度数据的均值M(a),
步骤S2.3:得到地震动数据D(a)
地震动数据D(a)是通过将原始地震动记录S'(a)全时长加速度数据减去均值M(a)得到的。
步骤S2.4:根据式(2)对地震动数据D(a)进行基线校正得到地震动加速度时程D'(a)
Figure BDA0003611750310000121
Figure BDA0003611750310000122
其中:
Figure BDA0003611750310000123
Figure BDA0003611750310000124
式中:
D(a)—地震动数据;
Figure BDA0003611750310000125
—校正后地震动数据;
D'(a)—地震动加速度时程;
Figure BDA0003611750310000126
—校正后地震动加速度时程;
a0,a1—基线校正系数;
a—时间参数;
T—周期;
步骤S2.5:对基线校正后的地震动加速度时程D'(a)进行滤波处理得到地震动加速度时程A(a),滤波处理采用4阶Butterworth带通滤波器,截止频率为0.1-35Hz。
步骤S3:确定近断层海域目标加速度反应谱S(T)
步骤S3.1:由于脉冲周期与近断层地震矩震级之间有很强的相关性,因此需要考虑脉冲周期对近断层地震动的影响,脉冲周期根据式(3)来确定;
ln(Tp)=-5.78+1.02Mw (3)
步骤S3.2:由于近断层地震动具有高低频成分特性,根据临界频率fr确定近断层地震动高频成分,其中临界频率根据式(4)来确定:
fr=1.72·Tp -1 (4)
步骤S3.3:由于海水对竖向地震动的高频成分有削弱和压制作用,因此需要对近断层反应谱高频成分进行局部修正;
根据临界频率fr确定近断层海域地震动高频成分,将大于临界频率fr部分统一乘以海水修正系数γ;
步骤S3.4:根据式(6)确定目标加速度反应谱
速度放大系数设计谱βV(T)形式如下式所示:
Figure BDA0003611750310000131
其中βmm为各类场地上的拟速度均值谱峰值,根据式(6)确定:
βmm=ΩCs (6)
S(T)=βV(T)×αmax
式中:
S(T)—目标加速度反应谱;
βV(T)—速度放大系数设计谱;
Tg—反应谱的特征周期;
Tp—脉冲周期;
T—结构自振周期;
γ—海水修正系数,其范围可确定为1.1~1.6;
Ω—各脉冲地震动记录速度放大系数谱最大值的平均值;
其中,Ω的取值为2.2。
步骤S4:确定场地特征周期Tg、脉冲周期Tp和海水修正系数γ取值范围
根据场地条件规定场地特征周期Tg范围为0.8s~1.4s,脉冲周期Tp范围可由矩震级来确定,规定脉冲周期Tp范围为1.75s~3.25s;规定海水修正系数γ范围为1.1~1.6;
步骤S5:根据式(7)随机生成初始种群X(t)
Figure BDA0003611750310000141
式中:
X(t)—初始种群;
N—种群规模;
t—种群进化代数;
步骤S6:根据式(8)计算第t代初始种群X(t)的适应度值
Figure BDA0003611750310000142
Figure BDA0003611750310000143
式中:
β′(T)—第t代初始种群X(t)中某组Xjt的放大系数谱;
Tm—放大系数谱曲线下降段的最大周期;
Figure BDA0003611750310000144
—第t代初始种群X(t)的适应度值;
步骤S7:对初始种群适应度
Figure BDA0003611750310000145
进行适应度评价
将初始种群适应度根据大小进行从最小值到最大值依次排序,评价标准为初始种群X(t)的适应度值
Figure BDA0003611750310000146
与10-5之间的大小关系
步骤S8:筛选出新种群S1
将初始种群适应度值小于10-5的种群分为种群S1;
步骤S9:筛选出新种群S2,S3
将初始种群适应度等于10-5的种群分为种群S2,将初始种群适应度大于10-5的种群分为种群S3;
步骤S10:从种群S1中随机选取3组向量
Figure BDA0003611750310000151
(r1、r2、r3∈[1,N]),根据式(9)计算变异向量
Figure BDA0003611750310000152
变异得到变异新种群M1(t),见式(10)
Figure BDA0003611750310000153
Figure BDA0003611750310000154
式中:
M1(t)—种群S1变异新种群
N1—种群S1规模
F—变异缩放因子,取0.5
步骤S11:将种群S1中的种群个体向量
Figure BDA0003611750310000155
和变异种群M1(t)中的变异种群个体向量
Figure BDA0003611750310000156
按照式(11)进行交叉混合,交叉得到交叉新种群C1(t)
Figure BDA0003611750310000157
Figure BDA0003611750310000158
式中:
C1(t)—种群S1交叉新种群;
M1(t)—种群S1变异新种群;
X1(t)—初始种群S1;
Figure BDA0003611750310000159
—交叉个体向量
Figure BDA00036117503100001510
的第i个元素,(i=1,2,…,n;j=1,2,…,N);
n1—种群S1标定参数总数;
N1—种群S1规模;
randj,i(0,1)—针对交叉个体向量
Figure BDA00036117503100001511
每一个元素产生的在[0,1]区间的随机数;
CR—交叉概率,取值范围为[0,1];
Randn1i—[0,n]区间的随机整数;
步骤S12:根据式(12)计算第t代交叉新种群C1(t)的适应度值
Figure BDA0003611750310000161
Figure BDA0003611750310000162
式中:
α(T)—第t代种群S1交叉新种群C1(t)中某组
Figure BDA0003611750310000163
的放大系数谱;
Tm—放大系数谱曲线下降段的最大周期;
Figure BDA0003611750310000164
—第t代种群S1交叉新种群C1(t)的适应度值;
步骤S13:根据式(13)筛选出下一代种群S1(t+1)的个体向量
Figure BDA0003611750310000165
Figure BDA0003611750310000166
式中:
S1(t+1)—下一代种群S1
Figure BDA0003611750310000167
—下一代种群S1(t+1)的个体向量;
Figure BDA0003611750310000168
—初始种群S1个体向量;
Figure BDA0003611750310000169
—变异新种群S1个体向量;
Figure BDA00036117503100001610
—第t代交叉新种群C1(t)的适应度值;
Figure BDA00036117503100001611
—第t代初始种群X1(t)的适应度值;
步骤S14:将筛选出的个体向量
Figure BDA00036117503100001612
组合成下一代种群S1(t+1),见式(14)
Figure BDA00036117503100001613
步骤S15:从种群S2中随机选取3组向量
Figure BDA00036117503100001614
(r1、r2、r3∈[1,N]),根据式(9)计算变异向量
Figure BDA00036117503100001615
变异得到变异新种群M2(t),见式(16)
Figure BDA00036117503100001616
Figure BDA00036117503100001617
式中:
M2(t)—种群S2变异新种群;
N2—种群S2规模;
F—变异缩放因子,取0.5;
步骤S16:将种群S2中的种群个体向量
Figure BDA0003611750310000171
和变异种群M2(t)中的变异种群个体向量
Figure BDA0003611750310000172
按照式(17)进行交叉混合,交叉得到交叉新种群C2(t)
Figure BDA0003611750310000173
Figure BDA0003611750310000174
式中:
C2(t)—种群S2交叉新种群;
M2(t)—种群S2变异新种群;
X2(t)—初始种群S2;
Figure BDA0003611750310000175
—交叉个体向量
Figure BDA0003611750310000176
的第i个元素,(i=1,2,…,n2;j=1,2,…,N2);
n2—种群S2标定参数总数;
N2—种群S2规模;
randj,i(0,1)—针对交叉个体向量
Figure BDA0003611750310000177
每一个元素产生的在[0,1]区间的随机数;
CR—交叉概率,取值范围为[0,1];
Randn2i—[0,n]区间的随机整数;
步骤S17:根据式(18)计算第t代交叉新种群C2(t)的适应度值
Figure BDA0003611750310000178
Figure BDA0003611750310000179
式中:
α2(T)—第t代种群S2交叉新种群C2(t)中某组
Figure BDA00036117503100001710
的放大系数谱;
Tm—放大系数谱曲线下降段的最大周期;
Figure BDA00036117503100001711
—第t代种群S1交叉新种群C2(t)的适应度值;
步骤S18:根据式(19)筛选出下一代种群S2(t+1)的个体向量
Figure BDA0003611750310000181
Figure BDA0003611750310000182
式中:
S2(t+1)—下一代种群S2;
Figure BDA0003611750310000183
—下一代种群S2(t+1)的个体向量;
Figure BDA0003611750310000184
—初始种群S2个体向量;
Figure BDA0003611750310000185
—变异新种群S2个体向量;
Figure BDA0003611750310000186
—第t代交叉新种群C2(t)的适应度值;
Figure BDA0003611750310000187
—第t代初始种群X2(t)的适应度值;
步骤S19:将筛选出的个体向量
Figure BDA0003611750310000188
组合成下一代种群S2(t+1),见式(20)
Figure BDA0003611750310000189
步骤S20:从种群S3中随机选取3组向量
Figure BDA00036117503100001810
(r1、r2、r3∈[1,N]),根据式(21)计算变异向量
Figure BDA00036117503100001811
变异得到变异新种群M3(t),见式(22)
Figure BDA00036117503100001812
Figure BDA00036117503100001813
式中:
M3(t)—种群S3变异新种群;
N3—种群S3规模;
F—变异缩放因子,取0.5;
步骤S21:将种群S3中的种群个体向量
Figure BDA00036117503100001814
和变异种群M3(t)中的变异种群个体向量
Figure BDA00036117503100001815
按照式(23)进行交叉混合,交叉得到交叉新种群C3(t)
Figure BDA00036117503100001816
Figure BDA00036117503100001817
式中:
C3(t)—种群S3交叉新种群;
M3(t)—种群S3变异新种群;
X3(t)—初始种群S3;
Figure BDA0003611750310000191
—交叉个体向量
Figure BDA0003611750310000199
的第i个元素,(i=1,2,…,n3;j=1,2,…,N3);
n3—种群S3标定参数总数;
N3—种群S3规模;
randj,i(0,1)—针对交叉个体向量
Figure BDA0003611750310000192
每一个元素产生的在[0,1]区间的随机数;CR—交叉概率,取值范围为[0,1];
Randn3i—[0,n]区间的随机整数;
步骤S22:根据式(24)计算第t代交叉新种群C3(t)的适应度值
Figure BDA0003611750310000193
Figure BDA0003611750310000194
式中:
α3(T)—第t代种群S23交叉新种群C3(t)中某组
Figure BDA0003611750310000195
的放大系数谱;
Tm—放大系数谱曲线下降段的最大周期;
Figure BDA0003611750310000196
—第t代种群S3交叉新种群C3(t)的适应度值;
步骤S23:根据式(25)筛选出下一代种群S3(t+1)的个体向量
Figure BDA0003611750310000197
Figure BDA0003611750310000198
式中:
S3(t+1)—下一代种群S3;
Figure BDA0003611750310000201
—下一代种群S3(t+1)的个体向量;
Figure BDA0003611750310000202
—初始种群S3个体向量;
Figure BDA0003611750310000203
—变异新种群S3个体向量;
Figure BDA0003611750310000204
—第t代交叉新种群C3(t)的适应度值;
Figure BDA0003611750310000205
—第t代初始种群X3(t)的适应度值;
步骤S24:将筛选出的个体向量
Figure BDA0003611750310000206
组合成下一代种群S3(t+1),见式(26)
Figure BDA0003611750310000207
步骤S25:将步骤S13,S18,S23得到的种群S1(t+1),S2(t+1),S3(t+1)组合成下一代种群X(t+1);
步骤S26:将组合得到的下一代种群X(t+1)进行重复变异、交叉和筛选操作(S9~S24),直到找到某组个体向量的适应度值小于限定值10-5或者进化代数t达到最大进化代数[tmax],则停止计算,进入步骤S27。
步骤S27:求出场地特征周期Tg、反应谱的脉冲周期Tp、海水修正系数γ最优解。
步骤S28:根据步骤S27标定的参数值得进行拟合得到近断层海域地震动反应谱。
参考文献:
【1】杨华平,钱永久,黎璟,等.近断层脉冲型地震设计谱研究[J].中国公路学报.2017,30(12):159-168.
【2】赵培培,王振宇,薄景山.利用差分进化算法标定设计反应谱[J].地震工程与工程振动,2017,37(05):45-50.。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。

Claims (6)

1.一种近断层海域地震动反应谱标定方法,其特征在于,包括:选取近断层海域地震动记录;对近断层海域地震动记录进行预处理;获取近断层海域目标加速度反应谱;确定场地特征周期Tg、脉冲周期Tp、海水修正系数γ取值范围;随机生成初始种群;对初始种群进行适应度评价;划分新种群;得到变异新种群;得到交叉新种群;筛选出下一代种群,计算新种群的适应度,得到场地特征周期Tg、脉冲周期Tp,海水修正系数γ的最优解;得到标定的近断层海域地震动反应谱。
2.根据权利要求1所述的一种近断层海域地震动反应谱标定方法,其特征在于,所述选取近断层海域地震动记录,即选取海域地震动记录和陆地地震动记录,并根据地震动场地条件进行分组,考虑竖向以及水平向地震动记录。
3.根据权利要求1所述的一种近断层海域地震动反应谱标定方法,其特征在于,所述对近断层海域地震动记录进行预处理的具体实现步骤如下:
1)根据式(1)将地震动记录S(a)乘以缩放因子δ确定原始地震动记录S'(a)
S′(a)=S(a)×δ (1)
式中:S'(a)为原始地震动记录;S(a)为地震动记录;δ为缩放因子,缩放因子的确定即下载后的地震动记录与原始地震动记录的比值;
2)计算原始地震动记录S'(a)全时长加速度数据的均值M(a);
3)得到地震动数据D(a):地震动数据D(a)是通过将原始地震动记录S'(a)全时长加速度数据减去均值M(a)得到;
4)根据式(2)对地震动数据D(a)进行基线校正得到地震动加速度时程D'(a):
Figure FDA0003611750300000011
Figure FDA0003611750300000012
其中:
Figure FDA0003611750300000013
Figure FDA0003611750300000014
式中:D(a)为地震动数据;
Figure FDA0003611750300000015
为校正后地震动数据;D'(a)为地震动加速度时程;
Figure FDA0003611750300000016
为校正后地震动加速度时程;a0,a1为基线校正系数;a为时间参数;T为周期;
5)对基线校正后的地震动加速度时程D'(a)进行滤波处理得到地震动加速度时程A(a)。
4.根据权利要求1所述的一种近断层海域地震动反应谱标定方法,其特征在于,所述获取近断层海域目标加速度反应谱的具体实现步骤如下:
1)由于脉冲周期与近断层地震矩震级之间有很强的相关性,因此需要考虑脉冲周期对近断层地震动的影响,脉冲周期根据式(3)来确定;
ln(Tp)=-5.78+1.02Mw (3)
2)由于近断层地震动具有高低频成分特性,根据临界频率fr确定近断层地震动高频成分,其中临界频率根据式(4)来确定:
fr=1.72·Tp -1 (4)
3)由于海水对竖向地震动的高频成分有削弱和压制作用,因此需要对近断层反应谱高频成分进行局部修正;根据临界频率fr确定近断层海域地震动高频成分,将大于临界频率fr部分统一乘以海水修正系数γ;
4)确定目标加速度反应谱
速度放大系数设计谱βV(T)形式如下式所示:
Figure FDA0003611750300000021
其中βmm为各类场地上的拟速度均值谱峰值,根据式(6)确定:
βmm=ΩCs (6)
S(T)=βV(T)×αmax
式中:S(T)为目标加速度反应谱;βV(T)为速度放大系数设计谱;Tg为反应谱的特征周期;Tp为脉冲周期;T为结构自振周期;γ为海水修正系数;Ω为各脉冲地震动记录速度放大系数谱最大值的平均值。
5.根据权利要求1所述的一种近断层海域地震动反应谱标定方法,其特征在于,所述场地特征周期Tg、脉冲周期Tp、海水修正系数γ取值范围的确定方式为:根据场地条件规定场地特征周期Tg范围为0.8s~1.4s,脉冲周期Tp范围由矩震级来确定,规定脉冲周期Tp范围为1.75s~3.25s;规定海水修正系数γ范围为1.1~1.6。
6.根据权利要求5所述的一种近断层海域地震动反应谱标定方法,其特征在于,所述随机生成初始种群,对初始种群进行适应度评价,划分新种群,得到变异新种群,得到交叉新种群,筛选出下一代种群,计算新种群的适应度,得到场地特征周期Tg、脉冲周期Tp,海水修正系数γ的最优解的具体实现步骤如下:
1)根据式(7)随机生成初始种群X(t):
Figure FDA0003611750300000031
式中:X(t)为初始种群;N为种群规模;t为种群进化代数;
2)根据式(8)计算第t代初始种群X(t)的适应度值
Figure FDA0003611750300000032
Figure FDA0003611750300000033
式中:β′(T)为第t代初始种群X(t)中某组
Figure FDA0003611750300000034
的放大系数谱;Tm为放大系数谱曲线下降段的最大周期;
Figure FDA0003611750300000035
为第t代初始种群X(t)的适应度值;
3)对初始种群适应度
Figure FDA0003611750300000036
进行适应度评价:将初始种群适应度根据大小进行从最小值到最大值依次排序,评价标准为初始种群X(t)的适应度值
Figure FDA0003611750300000037
与10-5之间的大小关系;
4)筛选出新种群S1:将初始种群适应度值小于10-5的种群分为种群S1;
5)筛选出新种群S2、S3:将初始种群适应度等于10-5的种群分为种群S2,将初始种群适应度大于10-5的种群分为种群S3;
6)从种群S1中随机选取3组向量
Figure FDA0003611750300000038
根据式(9)计算变异向量
Figure FDA0003611750300000039
变异得到变异新种群M1(t),见式(10):
Figure FDA00036117503000000310
Figure FDA00036117503000000311
式中:M1(t)为种群S1变异新种群;N1为种群S1规模;F为变异缩放因子;
7)将种群S1中的种群个体向量
Figure FDA0003611750300000041
和变异种群M1(t)中的变异种群个体向量
Figure FDA0003611750300000042
按照式(11)进行交叉混合,交叉得到交叉新种群C1(t):
Figure FDA0003611750300000043
Figure FDA0003611750300000044
式中:C1(t)为种群S1交叉新种群;M1(t)为种群S1变异新种群;X1(t)为初始种群S1;
Figure FDA0003611750300000045
为交叉个体向量
Figure FDA0003611750300000046
的第i个元素,i=1,2,…,n;j=1,2,…,N;n1为种群S1标定参数总数;N1为种群S1规模;randj,i(0,1)为针对交叉个体向量
Figure FDA0003611750300000047
每一个元素产生的在[0,1]区间的随机数;CR为交叉概率,取值范围为[0,1];Randn1i为[0,n]区间的随机整数;
8)根据式(12)计算第t代交叉新种群C1(t)的适应度值
Figure FDA0003611750300000048
Figure FDA0003611750300000049
式中:α(T)为第t代种群S1交叉新种群C1(t)中某组
Figure FDA00036117503000000410
的放大系数谱;Tm为放大系数谱曲线下降段的最大周期;
Figure FDA00036117503000000411
为第t代种群S1交叉新种群C1(t)的适应度值;
9)根据式(13)筛选出下一代种群S1(t+1)的个体向量
Figure FDA00036117503000000412
Figure FDA00036117503000000413
式中:S1(t+1)为下一代种群S1;
Figure FDA00036117503000000414
为下一代种群S1(t+1)的个体向量;
Figure FDA00036117503000000415
为初始种群S1个体向量;
Figure FDA00036117503000000416
为变异新种群S1个体向量;
Figure FDA00036117503000000417
为第t代交叉新种群C1(t)的适应度值;
Figure FDA00036117503000000418
为第t代初始种群X1(t)的适应度值;
10)将筛选出的个体向量
Figure FDA00036117503000000419
组合成下一代种群S1(t+1),见式(14):
Figure FDA00036117503000000420
11)从种群S2中随机选取3组向量
Figure FDA00036117503000000421
根据式(9)计算变异向量
Figure FDA00036117503000000422
变异得到变异新种群M2(t),见式(16):
Figure FDA0003611750300000051
Figure FDA0003611750300000052
式中:M2(t)为种群S2变异新种群;N2为种群S2规模;
12)将种群S2中的种群个体向量
Figure FDA0003611750300000053
和变异种群M2(t)中的变异种群个体向量
Figure FDA0003611750300000054
按照式(17)进行交叉混合,交叉得到交叉新种群C2(t):
Figure FDA0003611750300000055
Figure FDA0003611750300000056
式中:C2(t)为种群S2交叉新种群;M2(t)为种群S2变异新种群;X2(t)为初始种群S2;
Figure FDA0003611750300000057
为交叉个体向量
Figure FDA0003611750300000058
的第i个元素,i=1,2,…,n2;j=1,2,…,N2;n2为种群S2标定参数总数;N2为种群S2规模;randj,i(0,1)为针对交叉个体向量
Figure FDA0003611750300000059
每一个元素产生的在[0,1]区间的随机数;CR为交叉概率,取值范围为[0,1];Randn2i为[0,n]区间的随机整数;
13)根据式(18)计算第t代交叉新种群C2(t)的适应度值
Figure FDA00036117503000000510
Figure FDA00036117503000000511
式中:α2(T)为第t代种群S2交叉新种群C2(t)中某组
Figure FDA00036117503000000512
的放大系数谱;Tm为放大系数谱曲线下降段的最大周期;
Figure FDA00036117503000000513
为第t代种群S1交叉新种群C2(t)的适应度值;
14)根据式(19)筛选出下一代种群S2(t+1)的个体向量
Figure FDA00036117503000000514
Figure FDA0003611750300000061
式中:S2(t+1)为下一代种群S2;
Figure FDA0003611750300000062
为下一代种群S2(t+1)的个体向量;
Figure FDA0003611750300000063
为初始种群S2个体向量;
Figure FDA0003611750300000064
为变异新种群S2个体向量;
Figure FDA0003611750300000065
为第t代交叉新种群C2(t)的适应度值;
Figure FDA0003611750300000066
为第t代初始种群X2(t)的适应度值;
15)将筛选出的个体向量
Figure FDA0003611750300000067
组合成下一代种群S2(t+1),见式(20):
Figure FDA0003611750300000068
16)从种群S3中随机选取3组向量
Figure FDA0003611750300000069
根据式(21)计算变异向量
Figure FDA00036117503000000610
变异得到变异新种群M3(t),见式(22):
Figure FDA00036117503000000611
Figure FDA00036117503000000612
式中:M3(t)为种群S3变异新种群;N3为种群S3规模;
17)将种群S3中的种群个体向量
Figure FDA00036117503000000613
和变异种群M3(t)中的变异种群个体向量
Figure FDA00036117503000000614
按照式(23)进行交叉混合,交叉得到交叉新种群C3(t)
Figure FDA00036117503000000615
Figure FDA00036117503000000616
式中:C3(t)为种群S3交叉新种群;M3(t)为种群S3变异新种群;X3(t)为初始种群S3;
Figure FDA00036117503000000617
为交叉个体向量
Figure FDA00036117503000000618
的第i个元素,i=1,2,…,n3;j=1,2,…,N3;n3为种群S3标定参数总数;N3为种群S3规模;randj,i(0,1)为针对交叉个体向量
Figure FDA00036117503000000619
每一个元素产生的在[0,1]区间的随机数;CR为交叉概率,取值范围为[0,1];Randn3i为[0,n]区间的随机整数;
18)根据式(24)计算第t代交叉新种群C3(t)的适应度值
Figure FDA00036117503000000620
Figure FDA00036117503000000621
式中:α3(T)为第t代种群S23交叉新种群C3(t)中某组
Figure FDA0003611750300000071
的放大系数谱;Tm为放大系数谱曲线下降段的最大周期;
Figure FDA0003611750300000072
为第t代种群S3交叉新种群C3(t)的适应度值;
19)根据式(25)筛选出下一代种群S3(t+1)的个体向量
Figure FDA0003611750300000073
Figure FDA0003611750300000074
式中:S3(t+1)为下一代种群S3;
Figure FDA0003611750300000075
为下一代种群S3(t+1)的个体向量;
Figure FDA0003611750300000076
为初始种群S3个体向量;
Figure FDA0003611750300000077
为变异新种群S3个体向量;
Figure FDA0003611750300000078
为第t代交叉新种群C3(t)的适应度值;
Figure FDA0003611750300000079
为第t代初始种群X3(t)的适应度值;
20)将筛选出的个体向量
Figure FDA00036117503000000710
组合成下一代种群S3(t+1),见式(26)
Figure FDA00036117503000000711
21)将步骤9)、14)、19)得到的种群S1(t+1)、S2(t+1)、S3(t+1)组合成下一代种群X(t+1);
22)将组合得到的下一代种群X(t+1)进行重复变异、交叉和筛选操作5)~21),直到找到某组个体向量的适应度值小于限定值10-5或者进化代数t达到最大进化代数[tmax],则停止计算,进入步骤23)。
23)求出场地特征周期Tg、反应谱的脉冲周期Tp、海水修正系数γ最优解。
CN202210433831.2A 2022-04-24 2022-04-24 一种近断层海域地震动反应谱标定方法 Active CN114779329B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210433831.2A CN114779329B (zh) 2022-04-24 2022-04-24 一种近断层海域地震动反应谱标定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210433831.2A CN114779329B (zh) 2022-04-24 2022-04-24 一种近断层海域地震动反应谱标定方法

Publications (2)

Publication Number Publication Date
CN114779329A true CN114779329A (zh) 2022-07-22
CN114779329B CN114779329B (zh) 2023-05-23

Family

ID=82433251

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210433831.2A Active CN114779329B (zh) 2022-04-24 2022-04-24 一种近断层海域地震动反应谱标定方法

Country Status (1)

Country Link
CN (1) CN114779329B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015011160A1 (en) * 2013-07-23 2015-01-29 Cgg Services Sa Method for designature of seismic data acquired using moving source
CN107589445A (zh) * 2017-07-25 2018-01-16 青岛理工大学 一种基于设定反应谱的多段天然地震动合成方法
CN110794459A (zh) * 2019-11-14 2020-02-14 福州大学 一种海底近断层地震动的拟合方法
CN112666605A (zh) * 2021-01-19 2021-04-16 哈尔滨工业大学 基于主成分分析和多目标遗传算法挑选地震动的方法
US20210302603A1 (en) * 2020-03-30 2021-09-30 Qingdao university of technology Performance-level seismic motion hazard analysis method based on three-layer dataset neural network
WO2021218157A1 (zh) * 2020-04-28 2021-11-04 福州大学 基于离散差分进化的多策略优化x结构最小树构建方法
CN113791444A (zh) * 2021-09-15 2021-12-14 江苏科技大学 一种基于聚类分析的地震动记录选取方法
CN114329702A (zh) * 2021-12-21 2022-04-12 中国地震局工程力学研究所 基于改进的差分进化算法标定设计反应谱的高稳定性方法和设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015011160A1 (en) * 2013-07-23 2015-01-29 Cgg Services Sa Method for designature of seismic data acquired using moving source
CN107589445A (zh) * 2017-07-25 2018-01-16 青岛理工大学 一种基于设定反应谱的多段天然地震动合成方法
CN110794459A (zh) * 2019-11-14 2020-02-14 福州大学 一种海底近断层地震动的拟合方法
US20210302603A1 (en) * 2020-03-30 2021-09-30 Qingdao university of technology Performance-level seismic motion hazard analysis method based on three-layer dataset neural network
WO2021218157A1 (zh) * 2020-04-28 2021-11-04 福州大学 基于离散差分进化的多策略优化x结构最小树构建方法
CN112666605A (zh) * 2021-01-19 2021-04-16 哈尔滨工业大学 基于主成分分析和多目标遗传算法挑选地震动的方法
CN113791444A (zh) * 2021-09-15 2021-12-14 江苏科技大学 一种基于聚类分析的地震动记录选取方法
CN114329702A (zh) * 2021-12-21 2022-04-12 中国地震局工程力学研究所 基于改进的差分进化算法标定设计反应谱的高稳定性方法和设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵培培等: "利用差分进化算法标定设计反应谱" *

Also Published As

Publication number Publication date
CN114779329B (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
CN107316099A (zh) 基于粒子群优化bp神经网络的弹药贮存可靠性预测方法
CN108595789A (zh) 一种约束阻尼结构振动辐射声功率分层优化设计方法
CN110515851A (zh) 一种并行化的两两组合测试用例生成方法
CN106842306A (zh) 一种全局优化的交错网格有限差分正演模拟方法和装置
CN106684885B (zh) 基于多场景分析的风电机组配电网无功优化方法
CN106709216A (zh) 一种考虑声传播相关性丢失的麦克风阵列优化设计方法
CN111314841B (zh) 一种基于压缩感知与改进遗传算法的wsn定位方法
CN114744310B (zh) 基于soc自适应分阶的动力锂电池两步充电方法
CN115342812A (zh) 一种基于改进蝴蝶优化算法的无人机三维航迹规划方法
CN113486556B (zh) 一种改进的油气藏高效自动历史拟合方法
CN114779329A (zh) 一种近断层海域地震动反应谱标定方法
CN117269838B (zh) 一种确定构网型电力电子设备短路电流的方法及系统
CN109936141A (zh) 一种电力系统经济调度方法及系统
CN110365014B (zh) 一种考虑电压灵敏度时变特性的电压分区方法
CN105305484B (zh) 一种适用于配电网的分布式电源优化配置方法
Meng et al. Research of active vibration control optimal disposition based on MIGA and NSGA-II
CN115688573A (zh) 一种基于种群距离的稀疏阵列设计方法
CN103837894A (zh) 获取剩余静校正量的方法
CN113505456B (zh) 一种测量控制网优化设计方法
CN107256292A (zh) 动态支配和平均分布择优的方向图优化方法
CN110727026A (zh) 一种基于地震-海啸连续作用的非弹性位移比谱模型
CN116432986B (zh) 一种基于粒子蛙跳闪电搜索算法的水库优化调度的方法
CN118520585A (zh) 基于灰狼算法的车辆地板上粒子阻尼器的布置与评估方法
CN108072899A (zh) 间断Galerkin有限元地震数值模拟算法的自适应实现方法
CN117117896A (zh) 基于自适应噪声完全集合经验模态分解的光储场站波动平抑方法及系统

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