CN115099090B - 一种基于地震损失的建筑业态组合决策方法 - Google Patents
一种基于地震损失的建筑业态组合决策方法 Download PDFInfo
- Publication number
- CN115099090B CN115099090B CN202210722750.4A CN202210722750A CN115099090B CN 115099090 B CN115099090 B CN 115099090B CN 202210722750 A CN202210722750 A CN 202210722750A CN 115099090 B CN115099090 B CN 115099090B
- Authority
- CN
- China
- Prior art keywords
- building
- earthquake
- loss
- seismic
- collapse
- 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
Links
Images
Classifications
-
- 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
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Genetics & Genomics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种基于地震损失的建筑业态组合决策方法,属于地震工程技术领域;该方法旨在为建筑业主提供投资决策参考,也可为财产险与巨灾保险厘定保费提供决策依据。包括以下步骤:建立目标建筑数值模型;依托场地特征与设计反应谱选择地震动,计算目标建筑结构在地震作用下的响应:统计业主方关于建筑业态组合的要求限制及最终备选方案个数n;统计不同业态下的构件信息;通过常见业态组合方案计算建筑不同业态组合下的地震损失差异;基于遗传算法求取符合要求的n个建筑业态组合方案;业主方选择最终设计方案。本发明采用基于构件的地震损失计算方法,提出基于遗传算法的业态组合优化设计方法与决策方法,能够快速确定最优建筑业态设计方案。
Description
技术领域
本发明属于地震工程技术领域,尤其涉及一种基于地震损失的建筑业态组合决策方法。
背景技术
近些年震灾报告表明,尽管人口伤亡得到有效降低,但建筑结构的经济损失始终居高不下,为投资人与业主带来巨大损失风险。现行抗震设计规范可有效保证“生命安全”这一性能目标,但地震灾害引发的直接经济损失和间接经济损失需要更多关注。为了便于投资方与业主方能够更加直观了解到自然灾害的影响并做出相关决策,地震损失风险需要通过非专业性语言和性能参数来表征,如修复费用、修复时间、倒塌风险、年预期损失等。
地震损失风险是业主方参与结构选型和建筑业态组合等决策的重要参考依据之一。而现有研究中大多都是以建筑物本身和建筑内部的结构构件损失来评判地震损失风险,并未将非结构构件的损失纳入地震损失风险进行建筑业态的设计;但经研究发现非结构构件的优化设计与布置对降低建筑物地震损失更为关键,因此,如何将非结构构件破坏引起的修复费用和修复时间的地震损失利用到建筑业态决策中,成为了确定最优建筑业态设计方案的首要解决问题。
发明内容
本发明的目的是:克服现有技术中存在的问题,提供一种基于地震损失的建筑业态组合决策方法,将地震损失风险分析在建筑设计阶段介入,通过对目标建筑开展不同业态组合的地震损失分析,并采用基于构件的地震损失计算方法,提出了基于遗传算法的业态组合优化设计方法与决策方法,能够快速确定最优建筑业态设计方案,为利益相关方或建筑设计从业方提供业态组合设计方案和决策参考。
为实现上述目的,本发明采用了以下技术方案:一种基于地震损失的建筑业态组合决策方法,包括以下步骤:
S1、建立单体建筑模型:单体建筑通过OpenSees开源或商业有限元软件建立简化数值模型;
S2、获取结构地震响应:依托场地特征与设计反应谱选择地震动,计算目标建筑结构在地震作用下的响应,包括参数层间位移角、楼层加速度和残余位移角;
S3、统计业主方关于建筑业态组合的要求限制:询问业主方关于建筑业态要求的限制,鉴于不同业主商业需求及个人风险偏向存在主观差异,收集和统计业主利益需求方关于建筑业态组合的要求限制,包括基本业态类型、最终备选方案个数n;
S4、统计不同业态下的结构构件与非结构构件信息:根据上述步骤S3确定a种基本业态类型,统计基本业态下的构件信息;通过实际调研与既有公开数据库获取不同建筑业态下的非结构构件种类、数量、不同损伤状态下的修复价格,以及地震易损性模型;
S5、通过常见业态组合方案计算建筑不同业态组合下的地震损失差异:假设商业建筑楼层数为k,随机组合后的备选方案为ak种,初设b种常见业态组合方案,以经济损失计算,得到给定地震动强度下的预期地震经济损失总平均值和预期年损失;
给定地震动强度下的预期地震经济损失总平均值的计算公式为:
E(LT|IM)=E(LC|IM)+E(LD|NC,IM)+E(LR|NC∩ND,IM),式中,E(LT|IM)表
示给定地震动强度下的预期地震经济损失总平均值,E(LC|IM)表示给定地震动强度下的预期建筑发生倒塌时的地震经济损失,E(LD|NC,IM)表示给定地震动强度下的建筑不发生倒塌但建筑需要拆除和重建情况下的预期地震经济损失,E(LR|NC∩ND,IM)表示给定地震动强度下的建筑不发生倒塌且可修复的情况下的预期地震经济损失;
S6、基于遗传算法求取符合要求的n个备选方案:依托基于构件的地震损失评估方法,获取建筑损伤、人员伤亡信息,同时以年平均损失作为适应度函数,利用遗传算法快速获取符合上述步骤S3要求的n个建筑业态组合方案;
S7、业主方选择最终建筑业态设计方案:提供上述步骤S6中获取的备选方案的详细地震风险信息,供业主方综合考量,从而选择最优方案,同时承保方厘定保险费用。
所述步骤S1中,单体建筑选择不同业态的建筑,包括单栋商用建筑集成综合体、商业零售、办公、酒店等。
所述步骤S4中,不同建筑业态下的构件信息,基于目前公开的建筑业态构件分布模型与地震易损性数据库获取;另外通过实际调研数据,合理补充与修订不同业态内部的构件信息。
所述步骤S5中,给定地震动强度下的预期建筑发生倒塌时的地震经济损失E(LC|IM)的计算公式为:E(LC|IM)=P(Col|IM)·Costreplace,式中,P(Col|IM)为给定地震动强度下的倒塌概率,Costreplace为建筑替换成本;
给定地震动强度下的建筑不发生倒塌但建筑需要拆除和重建情况下的预期地震经济损失E(LD|NC,IM)的计算公式为:
E(LD|NC,IM)=E(LD|IM)·(1-P(Col|IM)),
式中,E(LD|IM)=P(Demo|IM)·(Costreplace+Costdemo-Benefitrecycle),
Costdemo和Benefitrecycle分别为建筑拆迁成本和拆迁回收材料收益,根据现有公开数据可知,建筑拆迁成本和拆迁回收材料收益两者大致相当,故上式简化为:E(LD|IM)=P(Demo|IM)·Costreplace,P(Demo|IM)为不可修下建筑需拆除的概率;
给定地震动强度下的建筑不发生倒塌且可修复的情况下的预期地震经济损失E(LR|NC∩ND,IM)的计算公式为:
式中,tStory表示建筑楼层总层数,Groupi表示第i层的所有性能组数量总和,DSj表示第j个性能组对应的所有损伤的状态数量,P(DSjk|IM)表示给定地震强度下建筑内部第j个性能组超越第k损伤状态的概率,Qij表示第i层第j个性能组的数量,P(DemoNC,IM)表示给定地震强度下建筑未发生倒塌但破坏程度需要拆除重建的超越概率。
所述步骤S5中,不可修下建筑需拆除的概率P(DemoIM)的计算公式为:
式中,RSDR为层间残余变形,建筑是否可修则依据层间残余变形判定,假定在T年内地震的发生率服从泊松分布,计算倒塌概率Pc,其计算公式为:λc表示平均年倒塌频率,建筑倒塌风险通过年平均倒塌概率反映,其计算公式为:P(CIM)表示倒塌易损性曲线。
所述步骤S5中,不同业态下的人员模型数量及伤亡率模型参考既有公开数据库和文献资料;人员伤亡部分参考商业意外保险的伤亡赔付规定,并将伤亡人数转化为修复费用计算地震损失。
本发明的有益效果是:
1)本发明方法中将地震损失风险分析在建筑设计阶段介入,通过对目标建筑开展不同业态组合的地震损失分析,为利益相关方或建筑设计从业方提供业态组合设计方案和决策参考,也可为财产险与巨灾保险厘定保费提供决策依据。
2)本发明方法中采用基于构件的地震损失计算方法,提出了基于遗传算法的业态组合优化设计方法与决策方法,能够快速确定最优建筑业态设计方案。
附图说明
图1为本发明建筑业态组合决策方法的流程图;
图2为本发明实施例中建立的九层支撑框架模型SCBF9及场地危险性曲线图;
图3为本发明的实施例步骤S5中初设的业态组合方案一修复费用和修复时间随地震动变化图;
图4为本发明的实施例步骤S5中七种方案损失比随地震强度变化图;
图5为本发明的实施例步骤S5中可修复概率下的修复费用损失比图;
图6为本发明的实施例步骤S5中七种方案受伤人数对比和死亡人数统计图;
图7为本发明的实施例步骤S5中七种方案下的预期年平均损失图;
图8为本发明的实施例步骤S6中的遗传算法流程图;
图9为本发明的实施例步骤S6中预期年损失EAL随着遗传代数变化图;
图10为本发明的实施例步骤S6中建筑损失部分和人员伤亡部分的EAL对比图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的解释说明。
实施例:如图1-10所示,本发明提供一种基于地震损失的建筑业态组合决策方法,以一栋九层民用建筑结构作为典型代表,包括以下步骤:
S1、建立单体建筑模型:单体建筑通过OpenSees建立有限元数值模型,如图2所示为九层支撑框架模型SCBF9及场地危险性曲线图;单体建筑选择不同业态的建筑,包括单栋商用建筑集成综合体、商业零售、办公、酒店等。
S2、获取结构地震响应:依托场地特征与设计反应谱选择地震动,选择22组地震动记录并与加速度设计反应谱匹配,增量动力分析采用Sa(T1,DBE)作为地震动强度参数(Intensity Measures,IM);地震动强度选择等距调幅,以设计地震动强度Sa(T1,DBE)为基准,调幅步长为设计地震动强度的20%,强度变化范围为20%Sa(T1,DBE)-300%Sa(T1,DBE),共计15个工况;
计算目标建筑结构在地震作用下的响应,获取结构各层最大层间位移角、楼层最大加速度、残余位移角的结构响应数值;同时评估结构抗倒塌能力,验证结构抗倒塌设计合理性。
S3、统计业主方关于建筑业态组合的要求限制:询问业主方关于建筑业态要求的限制,鉴于不同业主商业需求及个人风险偏向存在主观差异,针对性的收集和统计业主利益需求方关于建筑业态组合的要求限制;
本实施例中选择基本业态为零售、办公、酒店,最终备选业态方案个数为1。
S4、统计不同业态下的结构构件与非结构构件信息:根据上述步骤S3确定三种基本业态类型(零售、办公、酒店),通过实际调研与既有公开数据库获取零售、办公、酒店三种建筑业态下的非结构构件种类、数量、不同损伤状态下的修复价格,以及易损性曲线和相关参数;
不同建筑业态下的构件信息,基于目前公开的建筑业态构件分布模型与地震易损性数据库获取;另外通过实际调研数据,合理补充与修订不同业态内部的构件信息。
零售、办公、酒店三种建筑业态下的构件种类与数量信息统计表具体见下表1:
表1
S5、通过常见业态组合方案计算建筑不同业态组合下的地震损失差异:假设商业建筑楼层数为k,随机组合后的备选方案为ak种,初设七种常见业态组合方案,评估业态差异对建筑地震损失的影响;
七种业态组合方案见下表2,表中零表示该层业态为零售区;办表示该层业态为办公区;酒表示该层业态为酒店区。
表2
利用既有公开数据库提供的人口模型估计各业态方案下建筑结构中的人口数量模型,见下表3。
表3
伤亡率是目前地震人员伤亡评估模型的重要参数,采用伤亡率评估模型进行人口伤亡分析,见下表4,参考中国平安团体意外保险的伤亡赔付规定,暂定单人受伤赔付10万人民币,单人死亡赔付60万人民币。
表4
以经济损失计算,如图3-9所示,得到给定地震动强度下的预期地震经济损失总平均值和预期年损失;不同业态下的人员模型数量及伤亡率模型参考既有公开数据库和文献资料;人员伤亡部分参考商业意外保险的伤亡赔付规定,并将伤亡人数转化为修复费用计算地震损失。
给定地震动强度下的预期地震经济损失总平均值的计算公式为:
E(LT|IM)=E(LC|IM)+E(LD|NC,IM)+E(LR|NC∩ND,IM),式中,E(LT|IM)表
示给定地震动强度下的预期地震经济损失总平均值,E(LC|IM)表示给定地震动强度下的预期建筑发生倒塌时的地震经济损失,E(LD|NC,IM)表示给定地震动强度下的建筑不发生倒塌但建筑需要拆除和重建情况下的预期地震经济损失,E(LR|NC∩ND,IM)表示给定地震动强度下的建筑不发生倒塌且可修复的情况下的预期地震经济损失;
S6、基于遗传算法求取符合要求的n个备选方案:依托《建筑抗震韧性评价标准》(GB/T 38591-2020)提供的损失评估方法,获取建筑损伤、人员伤亡信息,同时以年平均损失作为适应度函数,利用遗传算法快速获取符合上述步骤S3要求的n个建筑业态组合方案;遗传算法流程图如图8所示,遗传算法中初代种群个体总数,即方案数设置为30,遗传代数为5000。
通过重复的迭代复制了自然进化选择理论,即群体中具有较高适应度的个体向下一代的繁殖程度更高,其基因遗传主要通过适应度函数来决定,同时采用精英保存的策略确保最优个体能够一直遗传,并提高遗传算法的运行速度和收敛效率。本实施例中适应度函数选择为建筑年平均损失,基于遗传算法计算分析,记录每一代种群的年均损失EAL,结果如图9所示。
假定业主方目前对业态组合要求无限制,根据遗传算法迭代计算结果,选取了最优方案,最优业态组合方案见下表5。
表5
将最优方案与初始七种方案对比,建筑损失和人员伤亡分别造成的EAL对比结果见图9和图10所示,可以发现EAL主要由建筑结构与非结构损伤控制,人员伤亡部分的EAL相对较小。遗传算法求解的最优方案与第二种方案的年平均损失虽然较为接近,但仍约少2448元。
S7、业主方选择最终建筑业态设计方案:提供上述步骤S6中获取的备选方案的详细地震风险信息,业主方综合考量,从而选择最优方案,同时承保方厘定保险费用。
从上述实施例可以发现,不同业态下的建筑地震损失差异明显,本发明提出的基于遗传算法的决策框架可快速求取到最优方案,避免了枚举法等方法的重复计算;并通过考虑业态组合的建筑地震损失,对业主等利益相关方的决策有参考意义。
以上所述,仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种基于地震损失的建筑业态组合决策方法,其特征在于:包括以下步骤:
S1、建立单体建筑模型:单体建筑通过OpenSees开源或商业有限元软件建立简化数值模型;
S2、获取结构地震响应:依托场地特征与设计反应谱选择地震动,计算目标建筑结构在地震作用下的响应,包括参数层间位移角、楼层加速度和残余位移角;
S3、统计业主方关于建筑业态组合的要求限制:询问业主方关于建筑业态要求的限制,鉴于不同业主商业需求及个人风险偏向存在主观差异,收集和统计业主利益需求方关于建筑业态组合的要求限制,包括基本业态类型、最终备选方案个数n;
S4、统计不同业态下的结构构件与非结构构件信息:根据上述步骤S3确定a种基本业态类型,统计基本业态下的构件信息;通过实际调研与既有公开数据库获取不同建筑业态下的非结构构件种类、数量、不同损伤状态下的修复价格,以及地震易损性模型;
S5、通过常见业态组合方案计算建筑不同业态组合下的地震损失差异:假设商业建筑楼层数为k,随机组合后的备选方案为ak种,初设b种常见业态组合方案,以经济损失计算,得到给定地震动强度下的预期地震经济损失总平均值和预期年损失;
给定地震动强度下的预期地震经济损失总平均值的计算公式为:
E(LTIM)=E(LCIM)+E(LDNC,IM)+E(LRNC∩ND,IM),式中,LT表示地震经济损失总值,LC表示结构倒塌引起的地震经济损失,LD表示结构推倒重建引起的地震经济损失,LR表示地震损伤修复引起的经济损失,IM表示地震动强度,NC表示未发生结构倒塌的事件,ND表示发生结构可修复的事件;E(LTIM)表示给定地震动强度下的预期地震经济损失总平均值,E(LCIM)表示给定地震动强度下的预期建筑发生倒塌时的地震经济损失,E(LDNC,IM)表示给定地震动强度下的建筑不发生倒塌但建筑需要拆除和重建情况下的预期地震经济损失,E(LRNC∩ND,IM)表示给定地震动强度下的建筑不发生倒塌且可修复的情况下的预期地震经济损失;
给定地震动强度下的预期建筑发生倒塌时的地震经济损失E(LCIM)的计算公式为:
E(LCIM)=P(ColIM)·Costreplace,式中,Col表示发生地震倒塌的事件,P(ColIM)为给定地震动强度下的倒塌概率,Costreplace为建筑替换成本;
给定地震动强度下的建筑不发生倒塌但建筑需要拆除和重建情况下的预期地震经济损失E(LDNC,IM)的计算公式为:
E(LDNC,IM)=E(LDIM)·(1-P(ColIM)),
式中,E(LDIM)=P(DemoIM)·(Costreplace+Costdemo-Benefitrecycle),
Costdemo和Benefitrecycle分别为建筑拆迁成本和拆迁回收材料收益,P(DemoIM)为不可修下建筑需拆除的概率,Demo表示发生推倒重建的事件;
给定地震动强度下的建筑不发生倒塌且可修复的情况下的预期地震经济损失E(LRNC∩ND,IM)的计算公式为:
式中,tStory表示建筑楼层总层数,Groupi表示第i层的所有性能组数量总和,DSj表示第j个性能组对应的所有损伤的状态数量,P(DSjkIM)表示给定地震强度下建筑内部第j个性能组超越第k损伤状态的概率,DSjk表示第j个性能组超越第k损伤状态,Costrepair表示结构修复费用,Qij表示第i层第j个性能组的数量,P(Demo|NC,IM)表示给定地震强度下建筑未发生倒塌但破坏程度需要拆除重建的超越概率;
S6、基于遗传算法求取符合要求的n个备选方案:依托基于构件的地震损失评估方法,获取建筑损伤、人员伤亡信息,同时以年平均损失作为适应度函数,利用遗传算法快速获取符合上述步骤S3要求的n个建筑业态组合方案;
S7、业主方选择最终建筑业态设计方案:提供上述步骤S6中获取的备选方案的详细地震风险信息,供业主方综合考量,从而选择最优方案,同时承保方厘定保险费用。
2.根据权利要求1所述的一种基于地震损失的建筑业态组合决策方法,其特征在于:所述步骤S1中,单体建筑选择不同业态的建筑,包括单栋商用建筑集成综合体、商业零售、办公、酒店。
3.根据权利要求1所述的一种基于地震损失的建筑业态组合决策方法,其特征在于:所述步骤S4中,不同建筑业态下的构件信息,基于目前公开的建筑业态构件分布模型与地震易损性数据库获取;另外通过实际调研数据,合理补充与修订不同业态内部的构件信息。
5.根据权利要求1所述的一种基于地震损失的建筑业态组合决策方法,其特征在于:所述步骤S5中,不同业态下的人员模型数量及伤亡率模型参考既有公开数据库和文献资料;人员伤亡部分参考商业意外保险的伤亡赔付规定,并将伤亡人数转化为修复费用计算地震损失。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210722750.4A CN115099090B (zh) | 2022-06-24 | 2022-06-24 | 一种基于地震损失的建筑业态组合决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210722750.4A CN115099090B (zh) | 2022-06-24 | 2022-06-24 | 一种基于地震损失的建筑业态组合决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115099090A CN115099090A (zh) | 2022-09-23 |
CN115099090B true CN115099090B (zh) | 2023-04-18 |
Family
ID=83292877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210722750.4A Active CN115099090B (zh) | 2022-06-24 | 2022-06-24 | 一种基于地震损失的建筑业态组合决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115099090B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544386A (zh) * | 2018-11-07 | 2019-03-29 | 北京科技大学 | 一种基于建筑信息模型的建筑单体地震保险费率厘定方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541666B (zh) * | 2020-12-08 | 2022-09-13 | 同济大学 | 考虑地震易损性模型不确定性的盾构隧道风险评估方法 |
CN114417472B (zh) * | 2022-01-21 | 2023-01-24 | 四川大学 | 一种考虑多维地震输入的非结构系统地震损失评估方法 |
-
2022
- 2022-06-24 CN CN202210722750.4A patent/CN115099090B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544386A (zh) * | 2018-11-07 | 2019-03-29 | 北京科技大学 | 一种基于建筑信息模型的建筑单体地震保险费率厘定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115099090A (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108256141B (zh) | 一种基于Copula理论的主余震联合易损性分析方法 | |
Nieto-Morote et al. | A fuzzy AHP multi-criteria decision-making approach applied to combined cooling, heating, and power production systems | |
CN107194723A (zh) | 网络小额贷款中借款项目与出借人的双向匹配推荐方法 | |
CN116307352A (zh) | 一种基于机器学习的工程量指标估算方法及系统 | |
CN115099090B (zh) | 一种基于地震损失的建筑业态组合决策方法 | |
CN116629605A (zh) | 一种面向木质古建筑的火灾风险预测方法 | |
Stonewall et al. | Energy use and weatherization practices: Applications for agent-based modeling to support vulnerable populations | |
KR101769411B1 (ko) | 건축물의 리모델링 규모 결정방법 | |
Nik et al. | A multi-objective optimization and fuzzy prioritization approach for project risk responses selection | |
CN114897279A (zh) | 一种智能勘察派工方法 | |
CN115936293A (zh) | 一种基于pca的地铁施工安全事故风险评价方法 | |
Wu et al. | Performance-based seismic financial risk assessment of reinforced concrete frame structures | |
CN112712284A (zh) | 基于ahp-熵权法的城市燃气管道风险评价系统及方法 | |
Wang et al. | Life-cycle analysis to support building back better in community building portfolio post-hazard rebuilding | |
CN112132397A (zh) | 基于网络分析的大型商圈安全风险模糊综合评价方法及装置 | |
Liu et al. | A novel recurrent neural network forecasting model for power intelligence center | |
Mucedero et al. | An integrated regional prioritisation framework for seismic and energy-efficiency performance upgrading of residential buildings | |
Tsionis | European building inventory framework | |
CN113988557B (zh) | 一种电网企业的投资绩效评价指标体系的构建方法及装置 | |
Aroquipa et al. | A cost-benefit analysis for the appraisal of social and market prices in the probabilistic seismic risk assessment of building portfolios: a tool for the evaluation of disaster risk reduction programs | |
CN117575867A (zh) | 一种基于双目标鲁棒优化技术的暴雨被困人员应急救援与疏散方法 | |
Gheorghe et al. | GIS based Decision Support System for Seismic Risk in Bucharest. Case Study–The Historical Centre | |
CN106960213A (zh) | 一种基于大数据分析的消防安全重点单位等级排序系统 | |
Aprieza et al. | FORECASTING ANALYSIS ON ELECTRICITY DEMAND IN THE SPECIAL REGION OF YOGYAKARTA UNDER THE IMPACT OF THE COVID-19 PANDEMIC | |
Yoo et al. | UN SDGs Implementation Level in the Urban Sector in Korea: Focusing on a Framework Application Based on Relative Efficiency Theory |
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 |