CN115796028A - 埋地分段管道震害率预测模型构建方法、预测方法及装置 - Google Patents
埋地分段管道震害率预测模型构建方法、预测方法及装置 Download PDFInfo
- Publication number
- CN115796028A CN115796028A CN202211496041.5A CN202211496041A CN115796028A CN 115796028 A CN115796028 A CN 115796028A CN 202211496041 A CN202211496041 A CN 202211496041A CN 115796028 A CN115796028 A CN 115796028A
- Authority
- CN
- China
- Prior art keywords
- pipeline
- parameters
- buried
- segmented
- pipe
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000010276 construction Methods 0.000 title claims abstract description 26
- 230000003993 interaction Effects 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 239000002245 particle Substances 0.000 claims abstract description 12
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 239000002689 soil Substances 0.000 claims description 44
- 238000006073 displacement reaction Methods 0.000 claims description 35
- 238000005070 sampling Methods 0.000 claims description 11
- 238000012423 maintenance Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000007619 statistical method Methods 0.000 claims description 3
- 229910001018 Cast iron Inorganic materials 0.000 description 16
- 230000000875 corresponding effect Effects 0.000 description 16
- 238000004088 simulation Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000013589 supplement Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010206 sensitivity analysis Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Pipeline Systems (AREA)
Abstract
本发明提供埋地分段管道震害率预测模型构建方法、预测方法及装置,预测模型构建方法包括:步骤1,分析分段管道震害数据的分布特征,确定分段管道损伤分析所需参数作为目标变量;步骤2,将管轴向地面峰值粒子速度Vap,外径Dos,管轴向视波速Ca,表征管土相互作用的最大单位长度管土作用力Fa作为固定的预测变量,将其它表征地震波、回填土、管道及其相互作用相关的参数作为待定参数,分析待定参数对分段管道震害率的影响,选取具有显著影响作用的作为新增的预测变量;步骤3,确定M组地震波作用于埋地分段管道的工况,进行有限元分析,获得M组数据;步骤4,根据M组数据,通过机器学习获得埋地分段管道震害率预测模型。
Description
技术领域
本发明属于生命线工程埋地分段管道震害率预测技术领域,具体涉及一种埋地分段管道震害率预测模型构建方法、预测方法及装置。
背景技术
埋地分段管道被广泛应用于运输石油、天然气、水等,是生命线工程的重要组成部分。历史震害资料表明,由于分段管道接口处的抗拉刚度远小于管段本身的抗拉刚度,在地震波传播作用下埋地分段管道通常在接口处发生拉脱失效[1],导致严重的经济和安全问题。
评估管道震害率是进行概率地震管道损伤危险性分析的关键,现有的震害率预测模型是通过对历史震害数据进行统计分析得到的[1],这些预测模型提供了管道震害率RR(维修/km)与地震强度参数IM(如峰值地面速度PGV)的关系,研究表明管道震害率与地震波特征、场地条件、管道特性等诸多因素相关,而震害资料较少、管道震害数据难以获取、相关参数(如埋深、回填土类型等)资料容易缺失,基于不同地震事件得到的震害率预测模型结果相差较大,因此在实际应用中,不同预测模型得到的震害率差值可达一个数量级,严重影响管道损伤评估的准确性及有效性。并且现有的震害率预测模型未将许多可能显著影响分段管道震害率的参数考虑在内,从而进一步导致震害率预测评估难以得到准确可靠的结果。
文中涉及如下参考文献:
[1]Nair G.S.,Dash S.R.,Mondal G.Review of pipeline performance duringearthquakes since 1906[J].Journal of Performance of Constructed Facilities,2018,32(6):04018083.
发明内容
本发明是为了解决上述问题而进行的,目的在于提供埋地分段管道震害率预测模型构建方法、预测方法及装置,能够补充分段管道震害数据库,考虑并准确量化各相关因素影响,提高分段管道震害率预测模型的有效性。
本发明为了实现上述目的,采用了以下方案:
<模型构建方法>
如图1所示,本发明提供一种埋地分段管道震害率预测模型构建方法,其特征在于,包括以下步骤:
步骤1,根据回填土参数及管道接口特性参数的取值及统计特征,抽样获得N组沿管轴向分布的回填土参数及管道接口特性参数随机场样本,建立N个考虑回填土参数及接口特性参数沿管轴向空间变异性的地震波与管道相互作用有限元模型,统计分析分段管道震害数据的分布特征,确定分段管道损伤分析所需参数作为目标变量;
步骤2,将管轴向地面峰值粒子速度Vap,外径Dos,管轴向视波速Ca,表征管土相互作用的最大单位长度管土作用力Fa作为固定的预测变量,将其它表征地震波、回填土、管道及其相互作用相关的参数作为待定参数,分析待定参数对分段管道震害率的影响,选取具有显著影响作用的作为新增的预测变量;
步骤3,根据预测变量的参数范围,确定M组地震波作用于埋地分段管道的工况并进行有限元分析,计算每组工况对应的预测变量和目标变量的数据,获得M组数据;
步骤4,根据M组数据,通过机器学习获得埋地分段管道震害率预测模型。
<预测方法>
本发明还提供了埋地分段管道震害率预测方法,其特征在于,包括以下步骤:
步骤1,根据回填土参数及管道接口特性参数的取值及统计特征,抽样获得N组沿管轴向分布的回填土参数及管道接口特性参数随机场样本,建立N个考虑回填土参数及接口特性参数沿管轴向空间变异性的地震波与管道相互作用有限元模型,统计分析分段管道震害数据的分布特征,确定分段管道损伤分析所需参数作为目标变量;
步骤2,将管轴向地面峰值粒子速度Vap,外径Dos,管轴向视波速Ca,最大管土作用力Fa(Fa与回填土和管道相关,为管土相互作用相关参数)作为固定的预测变量,将其它表征地震波、回填土、管道及其相互作用相关的参数(地震波特征、场地条件、管道特性等相关参数)作为待定参数,分析待定参数对分段管道震害率的影响,选取具有显著影响作用的作为新增的预测变量;
步骤3,根据预测变量的参数范围,确定M组地震波作用于埋地分段管道的工况并进行有限元分析,计算每组工况对应的预测变量和目标变量的数据,获得M组数据;
步骤4,根据M组数据,通过机器学习获得埋地分段管道震害率预测模型;
步骤5,采用埋地分段管道震害率预测模型预测不同工况条件下分段管道的震害率。
优选地,上述<模型构建方法>和<预测方法>的步骤1包括如下子步骤:
步骤1.1根据回填土参数及接口特性参数的取值及统计特征,通过拉丁超立方抽样(LHS)获得N组沿管轴向分布的回填土参数及接口特性参数随机场样本,计算各样本对应的管土轴向作用力-管土轴向相对位移关系、接口轴向力-接口轴向位移关系及接口渗漏对应轴向位移;
步骤1.2对于每一组样本,启动OpenSees软件,根据tcl语言创建有限元模型并划分网格;采用梁单元模拟管段,赋予管道弹模、单位长度质量、截面面积和截面惯性矩;采用零长度单元模拟管土相互作用,赋予管土轴向作用力-管土轴向相对位移关系;采用零长度单元模拟接口,赋予接口轴向力-接口轴向位移关系;约束所有节点的除管轴向自由度,根据地震波视波速,周期,地面峰值粒子速度获得简谐波,在各地震动输入节点施加考虑地震波行波效应的地面位移时程记录,进行动力分析;
步骤1.3输出各接口轴向位移时程记录,计算接口轴向位移峰值与接口渗漏位移的差值,若差值大于0视该接口为维修点,统计分析N个有限元模型管道维修率的分布特征,确定分段管道损伤分析所需参数作为目标变量。
优选地,上述<模型构建方法>和<预测方法>还可以具有以下特征:在步骤1中,N≥500。
优选地,上述<模型构建方法>和<预测方法>还可以具有以下特征:在步骤2中,待定参数包括:地震波的周期T,回填土参数的变异系数CoVγ、CoVc、CoVφ,自相关距离δh和互相关系数ρc,φ、ρc,γ、ργ,φ,管道的弹性模量E、管道截面面积A、管段长度L,以及单位长度管土轴向作用力达到最大值Fa时对应的管土相对位移ua(ua与回填土类型相关,为管土相互作用相关参数);下标γ、c、φ分别表示对应回填土的容重、黏聚力、内摩擦角的参数。
优选地,上述<模型构建方法>和<预测方法>还可以具有以下特征:步骤4包括如下子步骤:
步骤4.1根据M组数据构建训练数据集与测试数据集;
步骤4.2将训练数据集输入到机器学习回归模型中训练模型,采用测试数据集评估模型的泛化能力,最终获得埋地分段管道震害率预测模型。
优选地,上述<模型构建方法>和<预测方法>还可以具有以下特征:步骤4包括如下子步骤:在步骤4中,M≥100×预测变量的个数。
<装置>
进一步,本发明还提供了埋地分段管道震害率预测装置,其特征在于,包括:
目标变量确定部,根据回填土参数及管道接口特性参数的取值及统计特征,抽样获得N组沿管轴向分布的回填土参数及管道接口特性参数随机场样本,建立N个考虑回填土参数及接口特性参数沿管轴向空间变异性的地震波与管道相互作用有限元模型,统计分析分段管道震害数据的分布特征,确定分段管道损伤分析所需参数作为目标变量;
预测变量确定部,将管轴向地面峰值粒子速度Vap、外径Dos、管轴向视波速Ca、最大管土作用力Fa作为固定的预测变量,将其它表征地震波、回填土、管道及其相互作用相关的参数作为待定参数,分析待定参数对分段管道震害率的影响,选取具有显著影响作用的作为新增的预测变量;
数据获取部,根据预测变量的参数范围,确定M组地震波作用于埋地分段管道的工况并进行有限元分析,计算每组工况对应的预测变量和目标变量的数据,获得M组数据;
模型构建部,根据M组数据,通过机器学习获得埋地分段管道震害率预测模型;
预测部,采用埋地分段管道震害率预测模型计算预测不同工况条件下分段管道的震害率;
控制部,与目标变量确定部、预测变量确定部、数据获取部、模型构建部、预测部均通信相连,控制它们的运行。
优选地,本发明提供的埋地分段管道震害率预测装置还可以包括:输入显示部,与控制部通信相连,根据用户输入的操作指令,显示相应的信息。
优选地,本发明提供的埋地分段管道震害率预测装置还可以具有以下特征:输入显示部能够根据相应的操作指令,对目标变量确定部确定的目标变量进行显示,对预测变量确定部确定的预测变量进行显示,对数据获取部确定的M组地震波和获得的M组数据进行显示,对模型构建部构建的模型进行显示,对预测部预测的震害率进行显示;并且,显示方式可以为文字、表格、二维图或者三维模型图。
发明的作用与效果
(1)本发明方法量化了土体参数以及接口特性参数沿管轴向空间变异性的影响,通过数值模拟对具体场地条件的管道震害进行针对性分析,可以快速获取管道震害数据,补充分段管道震害数据库。
(2)本发明方法得到的震害率预测模型量化了管轴向视波速Ca、外径Dos、最大单位长度管土作用力Fa、周期T、弹模E×管道截面面积A等各相关因素的影响,减小了忽略敏感参数影响导致的误差,能够针对具体场地条件的管道进行更为合理有效的震害率预测,得到更准确的结果。
综上,本发明提供的埋地分段管道震害率预测模型构建方法,能够补充分段管道震害数据库,量化各相关因素影响,提高分段管道震害率预测模型的有效性,对不同工况条件下分段管道震害率的快速准确预测有着重要的实用价值。
附图说明
图1为本发明实施例涉及的埋地分段管道震害率预测方法的流程图;
图2为本发明实施例涉及的回填土参数沿管轴向分布图;
图3为本发明实施例涉及的管土轴向作用力-轴向相对位移关系图;
图4为本发明实施例涉及的铸铁管道接口轴向力-轴向位移关系图;
图5为本发明实施例涉及的有限元模型示意图;
图6为本发明实施例涉及的有限元模拟结果与历史震害数据对比图;
图7为本发明实施例涉及的铸铁管道震害率分布图;
图8为本发明实施例涉及的铸铁管道震害率敏感性分析结果图;
图9为本发明实施例涉及的铸铁管道震害率预测模型预测效果图;
图10为本发明实施例涉及的铸铁管道震害率预测模型与现有震害率预测模型对比图。
具体实施方式
以下结合附图对本发明涉及的埋地分段管道震害率预测模型构建方法、预测方法及装置的具体实施方案进行详细地说明。
<实施例一>
本发明实施例一提供的埋地分段铸铁管道震害率预测方法,包括以下步骤:
S1:确定表征地震波、回填土与管道相互作用的相关参数取值,包括地震波的管轴向地面峰值粒子速度Vap,管轴向视波速Ca;周期T;回填土容重γ、黏聚力c以及内摩擦角φ的均值、变异系数、自相关距离和互相关系数;铸铁管道的弹模E,密度ρ,外径Dos,壁厚e,管段长度L,埋深d以及接口深度dp,各参数对应取值见表1。
表1有限元模型参数取值
根据表征回填土参数空间变异性的相关参数生成1000组图2所示的沿管轴向分布的回填土参数随机场样本,具体方法如下:
(1)建立回填土参数的自相关系数矩阵为:
ρ(t)=exp(-2τ/δh) (2)
式中:τ代表沿管轴向两点之间的距离,单位为m;δh代表回填土参数自相关距离,单位为m。
(2)建立回填土参数的互相关系数矩阵为:
式中:ρc,φ代表黏聚力和内摩擦角的互相关系数;ρc,γ代表黏聚力和容重的互相关系数;ρφ,γ代表内摩擦角和容重的互相关系数。
(3)每个回填土参数采用LHS抽样获得1000组独立标准正态样本随机矩阵U。
(4)由下式计算回填土参数的相关对数正态随机场样本:
式中:Hi(x)代表回填土参数的相关对数正态随机场样本,μlni和σlni代表回填土参数的均值和标准差的对数,L1和L2分别代表对矩阵R和C进行乔列斯基分解得到的下三角矩阵。
图3所示为管土轴向作用力-管土轴向相对位移关系,其中ua代表单位长度管土轴向作用力达到最大值时对应的管土相对位移,采用砂性土回填时ua取为3mm,最大单位长度管土轴向作用力可根据下式计算得到:
式中:α代表黏聚力修正系数;K0代表静土压力系数,取为1;f代表管土摩擦系数影响系数,取为0.9。
基于LHS抽样生成1000组沿管轴向分布的铸铁管道接口粘结力随机场样本,根据铸铁管道接口粘结力CA可由下式计算得到图4所示的铸铁管道接口轴向力-接口轴向位移关系:
FJ,slip=πDosdLCA (6)
式中:dL代表接口粘结长度,取为57mm。
铸铁管道接口标准化位移(即接口渗漏位移与接口深度的比值)均值为0.45,标准差为0.13,假定接口粘结力与接口标准化位移完全相关,生成1000组沿管轴向分布的铸铁管道接口渗漏位移随机场样本。
对于每一组样本,启动OpenSees软件,根据tcl语言创建图5所示的有限元模型并划分网格,为消除边界条件的影响,有限元模型总长度为1000+100·L m。
赋予单元类型及材料属性,采用梁单元模拟管段,赋予管道弹模、单位长度质量、截面面积和截面惯性矩;采用零长度单元模拟管土相互作用,赋予图3所示管土轴向作用力-管土轴向相对位移关系;采用零长度单元模拟接口,赋予图4所示接口轴向力-接口轴向位移关系。
施加边界条件和地震荷载,约束所有节点的除管轴向自由度,考虑地震波的行波效应,第n个地震动输入节点的地面位移时程记录可根据地震波视波速,周期,地面峰值粒子速度获得:
式中:Δtn代表地震波从第一个地震动输入节点到第n个地震动输入节点的时间滞后,可由下式计算:
Δt=X/Ca (8)
式中:X代表第一个地震动输入节点到第n个地震动输入节点的距离。
在后处理部分输出模型中间1000m长管道各接口的轴向位移时程记录,计算接口轴向位移峰值与接口渗漏位移的差值,若差值大于0视该接口为维修点,计算1000组样本管道维修点数的均值作为管道震害率。
为验证所构建的有限元模型的有效性及准确性,将有限元模拟结果与历史震害数据进行对比(O’Rourke,M.J.,Filipov,E.,E.Towards robust fragilityrelations for buried segmented pipe in ground strain areas.EarthquakeSpectra,2015.31(3):1839-1858.),历史震害数据对应工况的参数取值与表1一致。如图6所示,有限元模拟结果与历史震害数据吻合良好,证明了有限元模型的有效性及准确性。
统计分析1000个有限元模型管道维修点数的分布特征,如图7所示,管道维修点数服从泊松分布,因此,根据管道震害率均值即可由下式求得管道失效概率:
式中:μRR代表管道震害率均值,Lp代表管线长度。设置管道震害率均值的对数ln(μRR)为目标变量。
S2:在表1选取参数的基础上进一步分析地震波特征、场地条件、管道特性等相关参数对分段管道震害率的影响,如图8所示,Ca、Dos和d对管道震害率的影响最大,E、e、T、L对管道震害率有一定影响,而回填土参数空间变异性的影响可以忽略不计,实际工程中L的取值一般为6m,不同d导致不同Fa的取值(Fa是根据土体参数,管径,埋深确定的),从而影响管道震害率,因此最终设置Vap,Ca,T,Dos,EA(弹模E×管道截面面积A)和Fa为预测变量。
S3:根据预测变量选取合适的参数范围,选择及确定1000组地震波作用于埋地铸铁管道的工况,其中Vap范围从10cm/s到200cm/s;Ca范围从0.5km/s到3km/s;T范围从0.5s到1.5s;E范围从75.8GPa到128GPa;Dos范围从0.169m到1.554m;e范围从6mm到43mm;d范围从0.5m到2.2m;回填土类型包括粉砂、细砂、中砂、粗砂,其它参数(管道密度、回填土参数变异系数、自相关距离、互相关系数)与表1保持一致,每组工况生成1000个随机场样本,建立相应的有限元模型进行动力分析,计算1000组样本管道维修点数均值的对数作为目标变量,最终获得1000组数据。
S4:将1000组数据按照4:1的比例随机划分为训练数据集与测试数据集。
将训练数据集输入到高斯过程回归模型中训练模型,采用5折交叉验证防止过拟合,测试数据集用于评估模型的泛化能力,最终获得考虑接口特性参数不确定性的铸铁管道震害率预测模型,模型预测效果如图9所示。
S5:采用埋地分段管道震害率预测模型预测不同工况条件下分段管道的震害率。
基于铸铁管道震害率预测模型,输入Vap,Ca,T,Dos,EA和Fa,即可得到铸铁管道震害率以及长度为Lp的管线的失效概率。将所得埋地分段管道震害率预测模型与现有震害率预测模型进行对比,图10对比了不同d和Ca对应的管道震害率与EJ98模型(Eidinger J.Waterdistribution system.1998.),RJ99模型(O’Rourke,T.D.,Jeon,S.S.Factors affectingthe earthquake damage of water distribution systems.1999.),II00模型(Isoyama,R.,Ishida,E.,Yune,K.,Shirozu,T.Seismic damage estimation procedure for watersupply pipelines.2000.),ALA 模型(American Lifelines Alliance.SeismicFragility Formulations for Water Systems.2001.)和RD04模型(O’Rourke,M.J.,Deyoe,E.Seismic damage to segment buried pipe.Earthquake Spectra,2004.20(4):1167-1183.)得到的管道震害率。从图中可以看出现有震害率预测模型相差较大的原因是未考虑敏感参数的影响,本实施例得到的埋地分段管道震害率预测模型考虑了敏感参数的影响且预测结果与历史震害数据吻合良好,采用本发明得到的管道震害率预测模型可以避免实际工程应用中震害率预测模型选取不当导致的预测误差,本实施例提供的预测模型对不同工况条件下分段管道震害率的快速有效预测有着重要的实用价值。
本发明提出的埋地分段管道震害率预测方法,能够合理准确地进行管道震害率分析。此外,与历史震害数据的对比说明了所提数值方法的准确性与有效性,通过所提数值方法可以对具体场地条件的管道震害进行针对性分析,快速获取管道震害数据,补充管道震害数据库。通过对各相关参数进行敏感性分析确定预测变量,统计管道维修点数的分布特征确定目标变量,基于预测变量建立多组地震波与管道相互作用工况并进行批量建模计算,基于高斯过程回归构建了管道震害率预测模型,量化了地震波特征、场地条件(回填土相关)、管道特性等诸多因素的影响,解决了现有分段管道震害率预测模型未考虑诸多敏感参数影响的问题。本发明基于管道震害率预测模型可以高效预测分段管道震害率及管道失效概率,为跨地震波作用下分段管道的防灾减灾设计提供参考依据。
<实施例二>
本实施例二提供了能够自动实现上述预测方法的埋地分段管道震害率预测装置,该装置包括目标变量确定部、预测变量确定部、数据获取部、模型构建部、预测部、输入显示部以及控制部。
目标变量确定部执行上文步骤1所描述的内容,根据回填土参数及管道接口特性参数的取值及统计特征,抽样获得N组沿管轴向分布的回填土参数及管道接口特性参数随机场样本,建立N个(N≥500)考虑回填土参数及接口特性参数沿管轴向空间变异性的地震波与管道相互作用有限元模型,统计分析分段管道震害数据的分布特征,确定分段管道损伤分析所需参数作为目标变量。
预测变量确定部执行上文步骤2所描述的内容,将管轴向地面峰值粒子速度Vap、外径Dos、管轴向视波速Ca、最大管土作用力Fa作为固定的预测变量,将其它表征地震波、回填土、管道及其相互作用相关的参数作为待定参数,分析待定参数对分段管道震害率的影响,选取具有显著影响作用的作为新增的预测变量。
数据获取部执行上文步骤3所描述的内容,根据预测变量的参数范围,确定M组(M≥100×预测变量的个数)地震波作用于埋地分段管道的工况并进行有限元分析,计算每组工况对应的预测变量和目标变量的数据,获得M组数据。
模型构建部执行上文步骤4所描述的内容,根据M组数据,通过机器学习获得埋地分段管道震害率预测模型。
预测部执行上文步骤5所描述的内容,采用埋地分段管道震害率预测模型计算预测不同工况条件下分段管道的震害率。
输入显示部根据用户输入的操作指令,显示相应的信息。例如,输入显示部能够根据相应的操作指令,对目标变量确定部确定的目标变量进行显示,对预测变量确定部确定的预测变量进行显示,对数据获取部确定的M组地震波和获得的M组数据进行显示,对模型构建部构建的模型进行显示,对预测部预测的震害率进行显示;并且,显示方式可以为文字、表格、二维图或者三维模型图。
控制部与目标变量确定部、预测变量确定部、数据获取部、模型构建部、预测部、输入显示部均通信相连,控制它们的运行。
以上实施例仅仅是对本发明技术方案所做的举例说明。本发明所涉及的埋地分段管道震害率预测模型构建方法、预测方法及装置并不仅仅限定于在以上实施例中所描述的内容,而是以权利要求所限定的范围为准。本发明所属领域技术人员在该实施例的基础上所做的任何修改或补充或等效替换,都在本发明的权利要求所要求保护的范围内。
Claims (10)
1.埋地分段管道震害率预测模型构建方法,其特征在于,包括以下步骤:
步骤1,根据回填土参数及管道接口特性参数的取值及统计特征,抽样获得N组沿管轴向分布的回填土参数及管道接口特性参数随机场样本,建立N个考虑回填土参数及接口特性参数沿管轴向空间变异性的地震波与管道相互作用有限元模型,统计分析分段管道震害数据的分布特征,确定分段管道损伤分析所需参数作为目标变量;
步骤2,将管轴向地面峰值粒子速度Vap,外径Dos,管轴向视波速Ca,表征管土相互作用的最大单位长度管土作用力Fa作为固定的预测变量,将其它表征地震波、回填土、管道及其相互作用相关的参数作为待定参数,分析待定参数对分段管道震害率的影响,选取具有显著影响作用的作为新增的预测变量;
步骤3,根据预测变量的参数范围,确定M组地震波作用于埋地分段管道的工况,计算每组工况对应的预测变量和目标变量的数据,获得M组数据;
步骤4,根据M组数据,通过机器学习获得埋地分段管道震害率预测模型。
2.埋地分段管道震害率预测方法,其特征在于,包括以下步骤:
步骤1,根据回填土参数及管道接口特性参数的取值及统计特征,抽样获得N组沿管轴向分布的回填土参数及管道接口特性参数随机场样本,建立N个考虑回填土参数及接口特性参数沿管轴向空间变异性的地震波与管道相互作用有限元模型,统计分析分段管道震害数据的分布特征,确定分段管道损伤分析所需参数作为目标变量;
步骤2,将管轴向地面峰值粒子速度Vap,外径Dos,管轴向视波速Ca,最大管土作用力Fa作为固定的预测变量,将其它表征地震波、回填土、管道及其相互作用相关的参数作为待定参数,分析待定参数对分段管道震害率的影响,选取具有显著影响作用的作为新增的预测变量;
步骤3,根据预测变量的参数范围,确定M组地震波作用于埋地分段管道的工况,计算每组工况对应的预测变量和目标变量的数据,获得M组数据;
步骤4,根据M组数据,通过机器学习获得埋地分段管道震害率预测模型;
步骤5,采用埋地分段管道震害率预测模型预测不同工况条件下分段管道的震害率。
3.根据权利要求1所述的埋地分段管道震害率预测模型构建方法或权利要求2所述的埋地分段管道震害率预测方法,其特征在于:
其中,步骤1包括如下子步骤:
步骤1.1根据回填土参数及接口特性参数的取值及统计特征,通过拉丁超立方抽样获得N组沿管轴向分布的回填土参数及接口特性参数随机场样本,计算各样本对应的管土轴向作用力-管土轴向相对位移关系、接口轴向力-接口轴向位移关系及接口渗漏对应轴向位移;
步骤1.2对于每一组样本,启动OpenSees软件,根据tcl语言创建有限元模型并划分网格;采用梁单元模拟管段,赋予管道弹模、单位长度质量、截面面积和截面惯性矩;采用零长度单元模拟管土相互作用,赋予管土轴向作用力-管土轴向相对位移关系;采用零长度单元模拟接口,赋予接口轴向力-接口轴向位移关系;约束所有节点的除管轴向自由度,根据地震波视波速,周期,地面峰值粒子速度获得简谐波,在各地震动输入节点施加考虑地震波行波效应的地面位移时程记录,进行动力分析;
步骤1.3输出各接口轴向位移时程记录,计算接口轴向位移峰值与接口渗漏位移的差值,若差值大于0视该接口为维修点,统计分析N个有限元模型管道维修率的分布特征,确定分段管道损伤分析所需参数作为目标变量。
4.根据权利要求1所述的埋地分段管道震害率预测模型构建方法或权利要求2所述的埋地分段管道震害率预测方法,其特征在于:
其中,在步骤1中,N≥500。
5.根据权利要求1所述的埋地分段管道震害率预测模型构建方法或权利要求2所述的埋地分段管道震害率预测方法,其特征在于:
其中,在步骤2中,待定参数包括:地震波的周期T,回填土参数的变异系数CoVγ、CoVc、CoVφ,自相关距离δh和互相关系数ρc,φ、ρc,γ、ργ,φ,管道的弹性模量E、管道截面面积A、管段长度L,以及单位长度管土轴向作用力达到最大值Fa时对应的管土相对位移ua;下标γ、c、φ分别表示对应回填土的容重、黏聚力、内摩擦角的参数。
6.根据权利要求1所述的埋地分段管道震害率预测模型构建方法或权利要求2所述的埋地分段管道震害率预测方法,其特征在于:
其中,步骤4包括如下子步骤:
步骤4.1根据M组数据构建训练数据集与测试数据集;
步骤4.2将训练数据集输入到机器学习回归模型中训练模型,采用测试数据集评估模型的泛化能力,最终获得埋地分段管道震害率预测模型。
7.根据权利要求1所述的埋地分段管道震害率预测模型构建方法或权利要求2所述的埋地分段管道震害率预测方法,其特征在于:
其中,在步骤4中,M≥100×预测变量的个数。
8.埋地分段管道震害率预测装置,其特征在于,包括:
目标变量确定部,根据回填土参数及管道接口特性参数的取值及统计特征,抽样获得N组沿管轴向分布的回填土参数及管道接口特性参数随机场样本,建立N个考虑回填土参数及接口特性参数沿管轴向空间变异性的地震波与管道相互作用有限元模型,统计分析分段管道震害数据的分布特征,确定分段管道损伤分析所需参数作为目标变量;
预测变量确定部,将管轴向地面峰值粒子速度Vap、外径Dos、管轴向视波速Ca、最大管土作用力Fa作为固定的预测变量,将其它表征地震波、回填土、管道及其相互作用相关的参数作为待定参数,分析待定参数对分段管道震害率的影响,选取具有显著影响作用的作为新增的预测变量;
数据获取部,根据预测变量的参数范围,确定M组地震波作用于埋地分段管道的工况,计算每组工况对应的预测变量和目标变量的数据,获得M组数据;
模型构建部,根据M组数据,通过机器学习获得埋地分段管道震害率预测模型;
预测部,采用埋地分段管道震害率预测模型计算预测不同工况条件下分段管道的震害率;
控制部,与所述目标变量确定部、所述预测变量确定部、所述数据获取部、所述模型构建部、所述预测部均通信相连,控制它们的运行。
9.根据权利要求8所述的埋地分段管道震害率预测装置,其特征在于,还包括:
输入显示部,与所述控制部通信相连,根据用户输入的操作指令,显示相应的信息。
10.根据权利要求8所述的埋地分段管道震害率预测装置,其特征在于:
其中,所述输入显示部能够根据相应的操作指令,对所述目标变量确定部确定的目标变量进行显示,对所述预测变量确定部确定的预测变量进行显示,对所述数据获取部确定的M组地震波和获得的M组数据进行显示,对所述模型构建部构建的模型进行显示,对所述预测部预测的震害率进行显示;并且,显示方式可以为文字、表格、二维图或者三维模型图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211496041.5A CN115796028B (zh) | 2022-11-24 | 2022-11-24 | 埋地分段管道震害率预测模型构建方法、预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211496041.5A CN115796028B (zh) | 2022-11-24 | 2022-11-24 | 埋地分段管道震害率预测模型构建方法、预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115796028A true CN115796028A (zh) | 2023-03-14 |
CN115796028B CN115796028B (zh) | 2024-01-30 |
Family
ID=85441875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211496041.5A Active CN115796028B (zh) | 2022-11-24 | 2022-11-24 | 埋地分段管道震害率预测模型构建方法、预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115796028B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002213700A (ja) * | 2001-01-18 | 2002-07-31 | Toshiba Corp | 管路の地震被害予測装置 |
JP2007003538A (ja) * | 2006-08-28 | 2007-01-11 | Toshiba Corp | 管路被害予測システム及び管路被害予測方法 |
CN104239953A (zh) * | 2014-07-23 | 2014-12-24 | 浙江工业大学 | 一种基于gis的城市地下电力管网系统单元模型震害预测方法 |
CN108224096A (zh) * | 2018-01-03 | 2018-06-29 | 中国石油大学(华东) | 一种城市油气管道重大事故风险预警评估方法 |
KR102309071B1 (ko) * | 2020-11-11 | 2021-10-07 | (주)매그파이소프트 | 환경시설물의 지진피해예측 및 가시화 시뮬레이션 시스템 |
CN113486570A (zh) * | 2021-06-08 | 2021-10-08 | 昆明理工大学 | 一种基于随机ida和机器学习预测隧道地震易损性的方法 |
CN115130259A (zh) * | 2022-06-24 | 2022-09-30 | 武汉大学 | 跨断层管道接口轴向位移预测、模型构建方法及装置 |
CN115358102A (zh) * | 2022-10-24 | 2022-11-18 | 西南石油大学 | 引入内检测数据的地震作用下腐蚀管道失效概率分析方法 |
-
2022
- 2022-11-24 CN CN202211496041.5A patent/CN115796028B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002213700A (ja) * | 2001-01-18 | 2002-07-31 | Toshiba Corp | 管路の地震被害予測装置 |
JP2007003538A (ja) * | 2006-08-28 | 2007-01-11 | Toshiba Corp | 管路被害予測システム及び管路被害予測方法 |
CN104239953A (zh) * | 2014-07-23 | 2014-12-24 | 浙江工业大学 | 一种基于gis的城市地下电力管网系统单元模型震害预测方法 |
CN108224096A (zh) * | 2018-01-03 | 2018-06-29 | 中国石油大学(华东) | 一种城市油气管道重大事故风险预警评估方法 |
KR102309071B1 (ko) * | 2020-11-11 | 2021-10-07 | (주)매그파이소프트 | 환경시설물의 지진피해예측 및 가시화 시뮬레이션 시스템 |
CN113486570A (zh) * | 2021-06-08 | 2021-10-08 | 昆明理工大学 | 一种基于随机ida和机器学习预测隧道地震易损性的方法 |
CN115130259A (zh) * | 2022-06-24 | 2022-09-30 | 武汉大学 | 跨断层管道接口轴向位移预测、模型构建方法及装置 |
CN115358102A (zh) * | 2022-10-24 | 2022-11-18 | 西南石油大学 | 引入内检测数据的地震作用下腐蚀管道失效概率分析方法 |
Non-Patent Citations (2)
Title |
---|
HENDRIK WIJAYA, ET AL: "Effect of seismic and soil parameter uncertainties on seismic damage of buried segmented pipeline", 《TRANSPORTATION GEOTECHNICS》, pages 1 - 9 * |
贾晓辉: "城市地下燃气管道抗震分析及地震灾害情景构建", 《中国博士学位论文全文数据库》, pages 011 - 1 * |
Also Published As
Publication number | Publication date |
---|---|
CN115796028B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Oh et al. | Neural network-based seismic response prediction model for building structures using artificial earthquakes | |
Hadianfard et al. | Reliability analysis of H-section steel columns under blast loading | |
Bao et al. | Integrated ARMA model method for damage detection of subsea pipeline system | |
Eckert et al. | Long-term avalanche hazard assessment with a Bayesian depth-averaged propagation model | |
EP3884253B1 (en) | Method and system to analyse pipeline condition | |
Kutter et al. | Proposed outline for LEAP verification and validation processes | |
Wang et al. | Bayesian stochastic soil modeling framework using Gaussian Markov random fields | |
CN105138770A (zh) | 基于间接可靠性特征量的航天产品可靠性仿真评估方法 | |
Liu et al. | Machine learning-based stochastic subspace identification method for structural modal parameters | |
Jankowski et al. | A simple method of conditional random field simulation of ground motions for long structures | |
Mu et al. | Seismic attenuation relationship with homogeneous and heterogeneous prediction-error variance models | |
Goh et al. | Application of neural network for prediction of unmeasured mode shape in damage detection | |
Wang et al. | Impact source localization and vibration intensity prediction on construction sites | |
Liu et al. | Seismic reliability evaluation of gas supply networks based on the probability density evolution method | |
Zhang et al. | A new damage detection method of single-layer latticed shells based on combined modal strain energy index | |
Zhang et al. | Coupled acoustic-structural analysis of a partially submerged circular RC column in an underwater explosion event: Factors to be considered for loading | |
Seno et al. | Multifidelity data augmentation for data driven passive impact location and force estimation in composite structures under simulated environmental and operational conditions | |
Conte | Influence of the earthquake ground motion process and structural properties on response characteristics of simple structures | |
Kim | Advanced numerical and experimental transient modelling of water and gas pipeline flows incorporating distributed and local effects. | |
CN115796028B (zh) | 埋地分段管道震害率预测模型构建方法、预测方法及装置 | |
Thiene et al. | Impact location in composite plates using proper orthogonal decomposition | |
Xu et al. | Improved endurance time analysis for seismic responses of concrete dam under near-fault pulse-like ground motions | |
CN115935742A (zh) | 基于有限差分的非均质边坡地震位移概率分析方法及系统 | |
Karimi et al. | Influence of soil and structural parameters on liquefaction-induced settlement of foundations | |
Liang et al. | Evaluation of nonlinear response biases of arch dams due to amplitude scaling via three-component record selection based on conditional spectra |
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 |