CN117494590B - 建筑设施抗震性能的评估方法、装置、设备及存储介质 - Google Patents
建筑设施抗震性能的评估方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117494590B CN117494590B CN202410004691.6A CN202410004691A CN117494590B CN 117494590 B CN117494590 B CN 117494590B CN 202410004691 A CN202410004691 A CN 202410004691A CN 117494590 B CN117494590 B CN 117494590B
- Authority
- CN
- China
- Prior art keywords
- building
- earthquake
- evaluation
- index
- facilities
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000011156 evaluation Methods 0.000 claims abstract description 110
- 238000013210 evaluation model Methods 0.000 claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000010276 construction Methods 0.000 claims description 57
- 238000013461 design Methods 0.000 claims description 54
- 230000002787 reinforcement Effects 0.000 claims description 37
- 230000035939 shock Effects 0.000 claims description 27
- 238000012423 maintenance Methods 0.000 claims description 17
- 238000003062 neural network model Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 13
- 230000032683 aging Effects 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 230000003014 reinforcing effect Effects 0.000 claims description 5
- 238000009434 installation Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 8
- 238000007726 management method Methods 0.000 description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 12
- 241000196324 Embryophyta Species 0.000 description 9
- 239000000178 monomer Substances 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 229910000831 Steel Inorganic materials 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 5
- 239000004567 concrete Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000004576 sand Substances 0.000 description 5
- 239000010959 steel Substances 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 241001330002 Bambuseae Species 0.000 description 1
- 241001264730 Callistemon salignus Species 0.000 description 1
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 1
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- 229910001141 Ductile iron Inorganic materials 0.000 description 1
- 229910001060 Gray iron Inorganic materials 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000003763 carbonization Methods 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000002425 crystallisation Methods 0.000 description 1
- 230000008025 crystallization Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000011152 fibreglass Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000011150 reinforced concrete Substances 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000010257 thawing Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
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
- G06F30/27—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
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0499—Feedforward networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/0985—Hyperparameter optimisation; Meta-learning; Learning-to-learn
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Medical Informatics (AREA)
- Buildings Adapted To Withstand Abnormal External Influences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及建筑智能评估技术领域,尤其涉及一种建筑设施抗震性能的评估方法、装置、设备及存储介质,其中方法包括:获取不同类型的建筑设施的数据信息;获取预先构建的建筑设施抗震性能评估模型;所述建筑设施抗震性能评估模型基于不同类型的建筑设施的抗震性能评估方法构建;基于所述建筑设施抗震性能评估模型对不同建筑设施的抗震性能进行评估。本申请能够更为简捷地处理数据并提升抗震隐患评价指数的计算精度,从而高效并准确地对多类型的建筑设施进行抗震性能的评估。
Description
技术领域
本发明涉及建筑智能评估技术领域,尤其涉及一种建筑设施抗震性能的评估方法、装置、设备及存储介质。
背景技术
现有对建筑的抗震性能进行评估的方法中,主要还是依赖于经验评估法,经验评估法通常是由评估人员根据专业经验对建筑的抗震性能进行评估,具体的,需要花费大量人力和时间收集和处理房屋建筑和市政设施数据之后,基于统计分析和经验公式计算出抗震隐患评价指数,通过计算出来的抗震隐患评价指数评估房屋建筑和市政设施的抗震性能。
但是在实际的评估过程中,由于不同的建筑类型所对应的建造条件也有所不同,因此存在大量需要收集和处理的房屋建筑和市政设施数据。此类情况下继续通过经验评估法对建筑设施进行抗震性能评估,由于大多依赖于评估人员的经验判断,且数据量级较大,数据的处理效率以及抗震隐患评价指数的计算精度均会受到影响,从而容易导致无法高效并准确地对多类型的建筑设施进行抗震性能的评估。
发明内容
本发明的目的在于提供一种建筑设施抗震性能的评估方法、装置、设备及存储介质,能够更为简捷地处理数据并提升抗震隐患评价指数的计算精度,从而高效并准确地对多类型的建筑设施进行抗震性能的评估。
为达到上述目的,本发明提供如下技术方案:
第一方面,本发明实施例提供一种建筑设施抗震性能的评估方法,所述方法包括:
获取不同类型的建筑设施的数据信息;
获取预先构建的建筑设施抗震性能评估模型;所述建筑设施抗震性能评估模型基于不同类型的建筑设施的抗震性能评估方法构建;
基于所述建筑设施抗震性能评估模型对不同建筑设施的抗震性能进行评估。
进一步地,所述建筑设施抗震性能评估模型的构建,包括:
确定所述建筑设施的类型,设计不同类型的建筑设施对应的抗震性能评估方法;
基于所述不同类型的建筑设施对应的抗震性能评估方法设计神经网络模型的隐含层;每个抗震性能评估方法对应于一个或多个隐含层;
基于已知的建筑设施的数据信息,对所述神经网络模型进行训练,得到所述建筑设施抗震性能评估模型。
进一步地,当所述建筑设施为城镇房屋时,所述建筑设施对应的抗震性能评估方法可表示为:其中,/>表示建筑抗震隐患评价指数,/>表示建造维护指数,/>表示建筑抗震设防指数,/>表示建造年代指数,/>、/>分别表示抗震设防、建造年代的加固时效指数,/>表示建筑结构特征指数;
所述建筑抗震隐患评价指数是评价存在抗震隐患程度的参数,取值范围为,表示暂无抗震隐患,/>表示可能存在抗震隐患,/>表示存在抗震隐患。
进一步地,当所述建筑设施为农村房屋时,所述建筑设施的评估方法可表示为:其中,/>表示农村房屋抗震隐患评价指数,/>表示第/>个房屋属性指标的抗震隐患评价指数,/>表示第/>个房屋属性指标的抗震隐患评价指数权重,/>表示建造年代影响系数,/>表示质量现状影响系数,/>表示考虑安全性鉴定、抗震加固、抗震构造措施设置情况的综合提升影响系数,/>表示专业设计影响系数;表示暂无抗震隐患、/>表示可能存在抗震隐患、/>表示存在抗震隐患;
所述为考虑安全性鉴定、抗震加固、抗震构造措施设置情况的综合提升影响系数,计算公式为:/>其中,/>表示安全性鉴定指数,/>表示抗震加固指数,/>表示抗震构造措施指数,/>、/>、/>为对应的权重系数。
进一步地,所述建筑设施为市政设施时,用于评估所述建筑设施的评估方法可表示为:其中,/>表示市政设施抗震隐患评价指数,/>表示市政设施的相关影响因素的指数,/>为/>对应的权重系数;/>表示暂无抗震隐患、/>表示可能存在抗震隐患、/>表示存在抗震隐患。
进一步地,所述对所述神经网络模型进行训练包括:
在每个训练迭代中,使用损失函数计算损失,执行反向传播并更新模型参数,损失函数如下:其中,/>为建筑的类型总数,/>为第/>个建筑类型,/>为该建筑抗震性能的真实值,/>为该建筑抗震性能的评估值,/>为该建筑类型对应的权重,限定/>。
进一步地,所述基于已知的建筑设施的数据信息,对所述神经网络模型进行训练,得到所述建筑设施抗震性能评估模型之后还包括:
获取测试数据集,其中测试数据集包括每个建筑类型的建筑设施的数据以及对应的抗震性能评价指数;
将测试数据集中每个建筑类型的建筑设施的数据输入至建筑设施抗震性能评估模型,得到各个建筑类型对应的评估结果;
基于评估结果计算每个建筑类型对应的评估准确率,随后通过公式计算出每个建筑类型对应的新隐含层数并进行调整,公式如下:其中/>为该建筑类型所对应的新的隐含层数,若是计算出来不是整数则将/>四舍五入到最接近的正整数,/>为该建筑类型原有的隐含层数,/>为计算得出的评估准确率,/>为预设的每个建筑类型对应的平均准确率,/>为调整系数,用于控制调整速率;调整系数/>的计算方式如下:/>其中,/>和/>分别为调整系数的最小限制和最大限制。
第二方面,本发明实施例还提供一种建筑设施抗震性能评估装置,实现上述任一所述的建筑设施抗震性能的评估方法,所述装置包括:
数据获取模块,用于获取不同类型的建筑设施的数据信息;
模型获取模块,用于获取预先构建的建筑设施抗震性能评估模型;所述建筑设施抗震性能评估模型基于不同类型的建筑设施的抗震性能评估方法构建;
抗震性能评估模块,用于基于所述建筑设施抗震性能评估模型对不同建筑设施的抗震性能进行评估。
第三方面,本发明实施例还提供一种计算机设备,所述计算机设备包括处理器和存储器;所述存储器存储有至少一条指令,所述至少一条指令用于被所述处理器执行以实现上述任一所述的建筑设施抗震性能的评估方法。
第四方面,本发明实施例还提供一种计算机可读存储介质,所述存储介质存储有至少一条指令,所述至少一条指令用于被处理器执行以实现上述任一所述的建筑设施抗震性能的评估方法。
本发明的有益效果在于:本发明实施例提供的一种建筑设施抗震性能的评估方法,为不同的建筑设施设计针对性地设计对应地抗震性能评估方法,融合不同类型的建筑设施的抗震性能评估方法构建建筑设施抗震性能评估模型,能够对不同类型的建筑设施进行抗震性能的评估,有针对性地制定结构加固方案。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1为本发明实施例提供的一种建筑设施抗震性能的评估方法流程示意图;
图2为本发明实施例提供的建筑设施抗震性能评估模型的结构示意图;
图3为本发明实施例提供的一种建筑设施抗震性能的评估装置的结构框图;
图4为本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例时本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的全部其他实施例,都属于本发明保护的范围。
另外,本文中属于“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
图1为本发明实施例提供的一种建筑设施抗震性能的评估方法流程示意图,该方法包括:
步骤S101:获取不同类型的建筑设施的数据信息。
步骤S102:获取预先构建的建筑设施抗震性能评估模型;该建筑设施抗震性能评估模型基于不同类型的建筑设施的抗震性能评估方法构建。
步骤S103:基于建筑设施抗震性能评估模型对不同建筑设施的抗震性能进行评估。
上述步骤S101中,获取不同类型的建筑设施的数据信息。对于不同类型的建筑设施,因其不同的建造条件,收集的数据信息也有所不同。示例性地,对于城镇房屋,收集的数据信息主要有:建造维护、建筑抗震设防、建造年代、抗震设防和建造年代的加固时效以及建筑结构特征;对于农村房屋,收集的数据信息主要有:不同房屋属性的抗震隐患评价指数、建造年代、质量现状、安全性鉴定、专业设计等。
上述步骤S102中,获取预先构建的建筑设施抗震性能评估模型,该建筑设施抗震性能评估模型基于不同类型的建筑设施的抗震性能评估方法构建。
具体地,建筑设施抗震性能评估模型的构建,包括:
(1)确定建筑设施的类型,设计不同类型的建筑设施对应的抗震性能评估方法。
不同类型的建筑设施对应于不同的抗震性能评估方法。在计算建筑设施的抗震隐患评价指数之前,获取不同建筑设施抗震性能相关影响因素的指数。
第一种,当建筑设施为城镇房屋时,建筑设施对应的抗震性能评估方法可表示为:其中,/>表示建筑抗震隐患评价指数,/>表示建造维护指数,/>表示建筑抗震设防指数,/>表示建造年代指数,/>、/>分别表示抗震设防、建造年代的加固时效指数,/>表示建筑结构特征指数。
当时,令/>;当/>时,令/>。
具体地,建筑抗震隐患评价指数是评价存在抗震隐患程度的参数,取值范围为:,/>表示暂无抗震隐患,/>表示可能存在抗震隐患,/>表示存在抗震隐患。
建造维护指数是体现建筑建造和维护情况的参数,取值范围为:,/>表示建筑按照正规基建流程设计建造且正常使用维护,/>表示建筑未按正规基建流程设计建造或维护。
建筑抗震设防指数是体现建筑抗震设防情况的参数,取值范围为:,如果原设防烈度是未设防,判断现设防烈度是否为未设防,如果是未设防,建筑抗震设防指数取1;如果不是未设防,判断现设防烈度是否为6度,如果是6度,建筑抗震设防指数取0.3,如果不是6度,判断现设防烈度是否为7度以上,如果是,建筑抗震设防指数取0。如果原设防烈度不是未设防,判断现设防烈度是否为未设防,如果是未设防,建筑抗震设防指数取1;如果不是未设防,判断现设防烈度是否小于等于原设防烈度,如果是,建筑抗震设防指数取1;如果不是,判断现设防烈度减原设防烈度是否等于1,如果是,建筑抗震设防指数取0.3,如果不是,判断判断现设防烈度减原设防烈度是否大于等于2,如果是,建筑抗震设防指数取0。
建造年代指数是体现建筑不同设计建造时间运用不同版本设计标准情况的参数,取值范围为:,建造年代指数共5种情况,具体为:如果房屋在1980年前建成,建造年代指数取0;如果房屋在1981到1990年前建成,建造年代指数取0.5;如果房屋在1991到2000年前建成,建造年代指数取0.8;如果房屋在2001到2015年前建成,建造年代指数取0.9;如果房屋在2016年后建成,建造年代指数取1。
加固时效指数是体现建筑不同时期抗震加固对建筑抗震隐患影响的参数,取值范围为:,抗震设防加固时效指数计算的具体情况为:如果房屋未经过抗震加固,抗震设防、建造年代的加固时效指数都取0;如果房屋经过抗震加固并且在2016年后建成,抗震设防加固时效指数取1。建造年代加固时效指数计算的具体情况为:如果房屋经过抗震加固并且在2016年前建成,抗震设防加固时效指数取0;如果房屋经过抗震加固并且在1980年前建成,建造年代加固时效指数取0;如果房屋经过抗震加固并且在1980年到2000年建成,建造年代加固时效指数取0.5;如果房屋经过抗震加固并且在2001年到2009年建成,建造年代加固时效指数取0.8;如果房屋经过抗震加固并且在2010年到2015年建成,建造年代加固时效指数取0.9;如果房屋经过抗震加固并且在2016年后建成,建造年代加固时效指数取1。
建筑结构特征指数是体现建筑结构现状安全及抗震措施落实状况的参数,取值范围为:,/>表示该建筑现状良好,抗震措施符合相应标准要求,/>表示该建筑现状有安全缺陷或抗震措施严重不足。具体情况如下:如果房屋有变形损伤,建筑结构特征指数取0;如果房屋结构类型为混杂结构,建筑结构特征指数取0;如果房屋经过改造但未进行过抗震加固,建筑结构特征指数取0;如果房屋经过改造并且进行过抗震加固,但是加固时间晚于改造时间,建筑结构特征指数取0;如果房屋结构类型为砌体结构并且为底部框架抗震墙砌体结构,但是不符合导则底部框架最大值限定要求,建筑结构特征指数取0;如果房屋结构类型为砌体结构并且不是底部框架抗震墙砌体结构,但是不符合导则层数最大值限定要求,建筑结构特征指数取0;除上述之外,建筑结构特征指数取1。
第二种,当建筑设施为农村房屋时,建筑设施的抗震评估方法可表示为:
其中,/>表示农村房屋抗震隐患评价指数,表示第/>个房屋属性指标的抗震隐患评价指数,/>表示第/>个房屋属性指标的抗震隐患评价指数权重,/>表示建造年代影响系数,/>表示质量现状影响系数,/>表示考虑安全性鉴定、抗震加固、抗震构造措施设置情况的综合提升影响系数,/>表示专业设计影响系数,有专业设计时取0.3,无专业设计时取0。
农村房屋建筑抗震隐患划分为3个等级:表示暂无抗震隐患、表示可能存在抗震隐患、/>表示存在抗震隐患。
单项指标抗震隐患指数考虑了建筑层数、结构类型、建造方式等指标,权重系数分别为 0.30、0.40 和 0.30。在不同建筑层数具体取值中,建筑层数7层及以上:建筑层数指数取0.6;建筑层数3层到6层:建筑层数指数取0.8;建筑层数2层及以下:建筑层数指数取1.0。在不同结构类型具体取值中,结构类型为土木/石木结构、混杂结构、窑洞、其他:结构类型指数取0.2;结构类型为木(竹)结构:结构类型指数取0.5;结构类型为砌体结构、底部框架-抗震墙砌体结构:结构类型指数取0.8;结构类型为钢筋混凝土结构、钢结构:结构类型指数取0.9。在不同建造方式具体取值中建造方式为自行建造:建造方式指数取0.2;建造方式为建筑工匠建造:建造方式指数取0.7;建造方式为有资质的施工队建造:建造方式指数取1.0。最后,根据得分和系数占比相乘求和,得到单项指标抗震隐患评价指数分值。
建造年代影响系数取值情况如下:建造年代为1981 年~1990 年:建造年代指数取0.1;建造年代为1991 年~2000 年:建造年代指数取0.3;建造年代为2001 年~2010年:建造年代指数取0.6;建造年代为2011 年~2015 年:建造年代指数取0.9;建造年代为2016 年之后:建造年代指数取0.1。
质量现状影响系数计算如下:如果房屋有变形损伤:质量现状影响指数取0.5;如果房屋无变形损伤:质量现状影响指数取1.0;
综合提升影响系数考虑了安全性鉴定、抗震加固情况、抗震构造措施的影响系数权重,由各单项指标的抗震隐患评价指数加权平均获得,具体为:/>,其中/>、/>、/>分别为安全性鉴定、抗震加固情况、抗震构造措施对应的权重系数,分别取0.3、0.4、0.3。
其中,安全性鉴定影响系数计算,如果房屋无安全性鉴定:安全性鉴定指数取1.0;如果房屋有安全性鉴定(5年之内)A、B级(安全):安全性鉴定指数取1.2;如果房屋有安全性鉴定(5年之内)C、D级(不安全):直接判定为存在抗震隐患;抗震加固影响系数/>计算,如果房屋未进行抗震加固:抗震加固指数取1.0;如果房屋5年之前进行抗震加固:抗震加固指数取1.2;如果房屋5年之内进行抗震加固:抗震加固指数取1.5;抗震构造措施影响系数/>计算,房屋有抗震构造措施:抗震构造措施指数取1.1;如果房屋无抗震构造措施:抗震构造措施指数取1.0。
专业设计影响系数计算,如果房屋有专业设计:专业设计指数取0.3;如果房屋无专业设计:专业设计指数取0。
第三种,当建筑设施为市政设施时,用于评估建筑设施的评估方法可表示为:其中,/>表示市政设施抗震隐患评价指数,/>表示市政设施的相关影响因素的指数,/>为/>对应的权重系数。
示例性地,市政道路抗震隐患评价指数的相关影响因素为:通车日期、设计单位、管理单位、养护单位、设计阶段项目场地抗震设防烈度、区域地质构造及不良地质、最近一次大修或改扩建时间、路基防护设施、桥梁以及4m以上涵洞、隧道、立交。
市政道路抗震隐患评价指数分为3个等级:表示暂无抗震隐患、表示可能存在抗震隐患、/>表示存在抗震隐患。在具体实施中,道路有分段,每段具有对应的抗震隐患评价指数,选取分段中的最高分数作为本条道路的最终评价得分。
通车日期占比权重:0.3:按投入使用至2022年的使用年限评分,5×n(使用年份),最高100分;
设计单位占比权重:0.06:有设计单位,得分0;无设计单位或设计单位无法查明得分100;
管理单位占比权重:0.005:有管理单位,得分0;无管理单位或管理单位无法查明得分100;
养护单位占比权重:0.005:有养护单位,得分0;无养护单位或养护单位无法查明得分100;
设计阶段项目场地抗震设防烈度占比权重:0.34:调查的设计烈度与现行烈度区划做对比,设计/现行,按如下表格得分:
区域地质构造及不良地质占比权重:0.05:20×n(调查项目个数),最高100分;设计单位为无法查明时得100分;
最近一次大中修或改扩建时间占比权重:0.2:按普查年限数据至2022年的年限评分,5×n(使用年份),最高100分;设计单位为无法查明时得100分;项目为空值时判断通车日期,通车日期小于5年,该项得0分,通车日期大于5年,该项得分按通车日期项得分赋值;
路基防护设施占比权重:0.02:分三种类型,取单项最大值,具体如下:
类型1:路基防护设施一8m以上填方路基(h1):(结构类型得分+隐患得分)/2,结构类型,隐患使用如下表格取值:
类型2:路基防护设施二10m以上挖方边坡(h2):(结构类型得分+隐患得分)/2,结构类型,隐患取值和类型1一致;
类型3:路基防护设施三6m以上挡墙(h3):(结构类型得分+隐患得分)/2,结构类型,隐患取值和类型1一致;桥梁、4m以上涵洞占比权重:0.01;有桥梁取值100,无桥梁取值0;隧道/>占比权重:0.005;有隧道取值100,无隧道取值0;立交/>占比权重:0.005;有立交取值100,无立交取值0。
在上述各项内容分别计算完成后,根据如下公式计算市政道路抗震隐患评估分值:,其中,/>。
市政桥梁震隐患评价指数的相关影响因素为建成年代、设计单位、管理单位、设计使用年限、设计阶段项目场地抗震设防烈度、桥区不良地质、最近一次大中修或改扩建时间、斜度、设计洪水频率、抗震设施、技术状况等级、最严重的耐久性环境作用、是否存在滑坡、泥石流灾害、是否有过强风后损伤、是否经过抗倾覆评价、是否有超限车辆通行、桥梁单项控制指标;
需要判断桥梁单项控制指标值是否为不涉及,若为不涉及,则得分0,若值为未进行,则得分80,若包含其他值,则评价分数直接为100;
如果单项控制指标得分不是100,则使用如下方式计算得分:
建成年代占比权重:0.05;按投入使用至评估年的使用年限评分;5×n(使用年份),最高100分;空值,直接取100分;
设计单位占比权重:0.05;有设计单位0分;其他情况100分;
管理单位占比权重:0.05;有管理单位0分;其他情况100分;
设计使用年限占比权重:0.05;100年、50年及30年皆为0分;无或空值得100分;
设计阶段项目场地抗震设防烈度占比权重:0.25;调查的设计烈度与现行烈度区划做对比,设计/现行,按如下表格得分:
桥区不良地质占比权重:0.12;设计单位为无法查明时.得分100;无时0分;存在1项:17分;存在2项:34分;存在3项:51分;存在4项:68分;存在5项:85分;存在6项:100分;
最近一次大中修或改扩建时间占比权重:0.02;按最后一次大中修或改建的时间至评估年的使用年限评分;5×n(使用年份),最高100分;空值得100分;
斜度占比权重:0.02;角度0°~15°为0;15°~30°为50;30°以上或空值为100;
设计洪水频率占比权重:0.02;有具体频率为0,无、其他或空值为100;
抗震设施占比权重:0.1;有抗震措施取0,无抗震措施或空值取100;
技术状况等级占比权重:0.02;A级或1类0分;B级或2类20分;C级或3类40分;D级或4类80分;E级或5类100分;合格20分;不合格100分;未评定100分;
最严重的耐久性环境作用占比权重:0.02;碳化锈蚀环境0分;风沙磨蚀环境20分;严寒冻融环境40分;氯盐环境60分;化学侵蚀环境80分;盐类结晶环境或空值100分;
是否存在滑坡、泥石流灾害占比权重:0.02;是或空值为100分,无得0分;
是否有过强风后损伤占比权重:0.02;是或空值为100分,无得0分;
是否经过抗倾覆评价占比权重:0.02;是为0分,否或空值得100分;
是否有超限车辆通行占比权重:0.02;是或空值为100分,无得0分;
桥梁单项控制指标占比权重:0.15;不涉及、(未进行且使用年限小于等于2年)得分0;空值、未进行且使用年限大于2年得100分。
在上述各项内容分别计算完成后,根据如下公式计算市政桥梁抗震隐患评估分值:,其中,/>。
供水管线抗震隐患评价指数的相关影响因素为:管线类型、运维管理单位、管径、管龄、管材、结构设计使用年限、抗震设防烈度、是否处于地震断裂带、是否存在不良地质、是否处于地质采空区、是否处于浅部砂层中、沿线灾害隐患、明装管道外观检查。
管线类型占比权重:0.05;输水管线为60分,配水管线40分;
运维管理单位占比权重:0.01;有运维管理单位0分;无法查明或者空值100分;
管径占比权重:0.03;200以内0分;200<管径≤400得10分;400<管径≤600得25分;600<管径≤800得45分;800<管径≤1000得70分;大于1000或者空值得100分;
管龄占比权重:0.17;小于等于5年得20分;5年<管龄≤10年得30分;10年<管龄≤20年得50分;20年<管龄≤30年得70分;30年<管龄≤50年得90分;大于50年或者空值得100分;
管材占比权重:0.23;钢管60分;球墨铸铁管60分;灰口铸铁管100分;玻璃钢管80分;混凝土管100分;塑料管(含PVC和PE管)90分;其他或空值100分;
结构设计使用年限占比权重:0.2;调用管道管龄进行对比判断;小于设计使用年限0分;等于设计使用年限50分;大于设计使用年限100分;无法查明50分;空值100分;
抗震设防烈度占比权重:0.2;调查的设计烈度与现行烈度区划做对比,设计/现行,按如下表格得分:
是否处于地震断裂带占比权重:0.02;是或者空值100分;否0分;无法查明50分;
是否存在不良地质占比权重:0.02;是或者空值100分;否0分;无法查明50分;
是否处于地质采空区占比权重:0.02;是或者空值100分;否0分;无法查明50分;
是否处于浅部砂层中占比权重:0.02;是或者空值100分;否0分;无法查明50分;
沿线灾害隐患占比权重:0.02;无明显异常0分;河道40分;山体30分;坡地管道30分;空值100分;
明装管道外观检查占比权重:0.01;无明显异常0分;明显变形20分;明显锈蚀20分;支架破损20分;管道破坏30分;其他10分;空值100分。
在上述各项内容分别计算完成后,根据如下公式计算供水管线抗震隐患评估分值:,其中,/>。
供水产站抗震隐患评价指数的相关影响因素为:工艺流程、运维管理单位厂站、规模、清水池容积/水厂规模供电电源、建(构)筑物抗震设防烈度、是否处于地震断裂带、是否处于地质采空区厂区周边存在的灾害隐患、厂站单体指标、设计使用年限、设计风载、设计雪载、是否存在不良地质、是否处于浅部砂层中、是否有明显沉降、外观检查、钢结构厂房、同类单体数量;
工艺流程占比权重:0.2;仅加氯0分;常规处理50分;深度处理100分;
运维管理单位占比权重:0.02;有运维管理单位0分;无法查明100分;
厂站规模占比权重:0.02;小于5万m³/d得0分;5万m³/d≤厂站规模<10万m³/d得20分;10万m³/d≤厂站规模<30万m³/d得40分;30万m³/d≤厂站规模<50万m³/d得60分;大于等于50万m³/d得10分;空值30分;
清水池容积/水厂规模占比权重:0.02;大于等于0.15得0分;0.05≤清水池容积/水厂规模<0.15得50;小于0.05得100;如果为水厂设施空值得100分;如果为其他设施空值得0分;
供电电源占比权重:0.06;一级负荷0分;二级负荷+备用发电机10分;二级负荷30分;三级负荷+备用发电机50分;三级负荷100分;空值100分;有无电源备用发电机空值50分;
建(构)筑物抗震设防烈度占比权重:0.22;调查的设计烈度与现行烈度区划做对比,设计/现行,按如下表格得分:
是否处于地震断裂带占比权重:0.01;是或空值100分;否0分;无法查明:50分;
是否处于地质采空区占比权重:0.01;是或空值100分;否0分;无法查明:50分;
厂区周边存在的灾害隐患占比权重:0.01;无明显异常0分;河道25分;山体25分;坡地建筑25分;低洼地带25分;空值100分;
厂站单体指标占比权重:0.43;每个单体按下列调查结果进行计算后,所有单体得分取平均值;无单体数据的情况下,/>赋值为75分;
设计使用年限占比权重:0.1;调用“建成年月”进行对比判断,用当前评估日期-建成年月,对比设计使用年限;评估日期-建成年月<设计使用年限0分;评估日期-建成年月=设计使用年限50分;评估日期-建成年月>设计使用年限100分;无法查明50分;空值100分;
设计风载占比权重:0.2;无法查明50分;其他0分;
设计雪载占比权重:0.2;无法查明50分;其他0分;
是否存在不良地质占比权重:0.01;是或空值100分;否0分;无法查明:50分;
是否处于浅部砂层中占比权重:0.01;是或空值100分;否0分;无法查明:50分;
是否有明显沉降占比权重:0.01;是100分;否0分;
外观检查占比权重:0.01;无明显异常0分;钢筋外露40分;明显裂缝40分;其他20分;空值100分;
钢结构厂房占比权重:0.01;无钢结构厂房或无明显异常0分;构件变形40分;构件、螺栓等严重锈蚀40分;其他20分;空值100;
同类单体数量占比权重:0.45;同类单体数量≥4得0分;同类单体数量=3得20分;同类单体数量=2得50分;同类单体数量=1得100分。
在上述各项内容分别计算完成后,根据如下公式计算供水厂站抗震隐患评估分值:,其中,/>。
(2)基于不同类型的建筑设施对应的抗震性能评估方法设计神经网络模型的隐含层;每个抗震性能评估方法对应于一个或多个隐含层。
参照图2,本实施例中采用神经网络模型融合多个建筑设施的抗震性能评估方法训练得到建筑设施抗震性能评估模型,神经网络模型由输入层、多个隐含层和输出层组成,神经网络的输入层接收数据并将其传递到各个隐含层,每个隐含层对数据进行处理,由输出层输出评估结果。其中,通过对每个隐含层对应的函数进行设计以实现对输入数据进行特定的非线性变换,每个隐含层的神经元的输出值将根据预设的网络模型进行向前传播,并且在传播过程中根据输入数据的特征值跳转至对应的隐含层的神经元中。其中每个建筑类型对应一个或者多个隐含层。
(3)基于已知的建筑设施的数据信息,对神经网络模型进行训练,得到建筑设施抗震性能评估模型。
在神经网络模型的训练过程中,需要不断调整模型的参数使模型的输出结果尽可能接近实际结果。具体的,在每个训练迭代中,使用损失函数计算损失,随后执行反向传播并更新模型参数。损失函数如下:其中,/>为建筑的类型总数,/>为第/>个建筑类型,/>为该建筑抗震性能的真实值,/>为该建筑抗震性能的评估值,为该建筑类型对应的权重,可以根据建筑类型的重要程度动态设置,限定/>,确保权重的总和为1。
可选地,也可以通过网格搜索法进行参数优化,通过生成参数地所有可能组合来尝试不同的参数组合,并使用交叉验证来评估参数的效果,也可以通过贝叶斯优化更高效的搜索方法来选好最优参数,本实施例不对参数的优化作具体限定。
在实施中,基于已知的建筑设施的数据信息,对神经网络模型进行训练,得到建筑设施抗震性能评估模型之后还包括计算建筑设施抗震性能评估模型对于每个建筑类型的评估准确率并动态调整每个建筑类型对应的隐含层数,至少包括以下几个步骤:
获取测试数据集,其中测试数据集包括每个建筑类型的建筑设施的数据以及对应的抗震性能评价指数。
将测试数据集中每个建筑类型的建筑设施的数据输入至建筑设施抗震性能评估模型,得到各个建筑类型对应的评估结果。
基于评估结果计算每个建筑类型对应的评估准确率,随后通过公式计算出每个建筑类型对应的新隐含层数并进行调整,公式如下:其中/>为该建筑类型所对应的新的隐含层数,若是计算出来不是整数则将/>四舍五入到最接近的正整数,/>为该建筑类型原有的隐含层数,/>为计算得出的评估准确率,/>为预设的每个建筑类型对应的平均准确率,/>为调整系数,调整系数用于控制调整速率。调整系数/>的计算方式如下:/>其中,/>和/>分别为调整系数的最小限制和最大限制,具体的,通过反复试验观察模型的训练效果,从而确定调整系数的取值范围。/>
当建筑设施抗震性能评估模型在某个建筑类型上评估表现较好时,此时,该建筑类型对应的隐含层数会增加,从而提升建筑设施抗震性能评估模型在评估该建筑类型时的泛化能力和表示能力,进而更好地适应该建筑类型中建筑数据之间的复杂关系。当建筑设施抗震性能评估模型在某个建筑类型上评估表现较差时,此时/>,该建筑类型对应的隐含层数会减少,从而降低建筑设施抗震性能评估模型在评估该建筑类型时的复杂度,减少过度拟合的风险。通过动态调整每个建筑类型对应的隐含层数不断优化建筑设施抗震性能评估模型的评估能力,从而提升评估的准确性。
综上所述,本发明实施例提供的一种建筑设施抗震性能的评估方法,为不同的建筑设施设计针对性地设计对应的抗震性能评估方法,融合不同类型的建筑设施的抗震性能评估方法构建建筑设施抗震性能评估模型,能够对不同类型的建筑设施进行抗震性能的评估,有针对性地制定结构加固方案。相较于传统的经验评估法,能够更为简捷地处理数据并提升抗震隐患评价指数的计算精度,从而高效并准确地对多类型的建筑设施进行抗震性能的评估。
请参阅图3,为本发明实施例提供的一种建筑设施抗震性能的评估装置的结构框图,该装置包括:
数据获取模块310,用于获取不同类型的建筑设施的数据信息;
模型获取模块320,用于获取预先构建的建筑设施抗震性能评估模型。
其中,建筑设施抗震性能评估模型基于不同类型的建筑设施的抗震性能评估方法构建;
抗震性能评估模块330,用于基于建筑设施抗震性能评估模型对不同建筑设施的抗震性能进行评估。
请参阅图4,为本发明实施例提供的计算机设备的结构示意图,该计算机设备可以包括处理器20、存储器21和总线,还可以包括存储在存储其21中并可在处理器20上运行的计算机程序。
其中,存储器21至少包括一种类型的可读存储介质,可读存储介质包括闪存、移动硬盘、多媒体卡、卡性存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器21在一些实施例中可以是计算机设备的内部存储单元,例如该计算机设备的移动硬盘。存储器21在另一些实施例中也可以是电子设备的外部存储设备,例如计算机设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,存储器21还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器21不仅可以用于存储安装于计算机设备的应用软件及各类数据,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器20在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器20是计算机设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在存储器21内的程序或者模块,以及调用存储在存储器21内的数据,以执行计算机设备的各种功能和处理数据。
计算机设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,可读存储介质存储有计算机程序,计算机程序在被电子设备的处理器所执行。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种建筑设施抗震性能的评估方法,其特征在于,所述方法包括:
获取不同类型的建筑设施的数据信息;
获取预先构建的建筑设施抗震性能评估模型;所述建筑设施抗震性能评估模型基于不同类型的建筑设施的抗震性能评估方法构建;所述建筑设施抗震性能评估模型的构建,包括:确定所述建筑设施的类型,设计不同类型的建筑设施对应的抗震性能评估方法;基于所述不同类型的建筑设施对应的抗震性能评估方法设计神经网络模型的隐含层;每个抗震性能评估方法对应于一个或多个隐含层;基于已知的建筑设施的数据信息,对所述神经网络模型进行训练,得到所述建筑设施抗震性能评估模型;所述基于已知的建筑设施的数据信息,对所述神经网络模型进行训练,得到所述建筑设施抗震性能评估模型之后还包括:
获取测试数据集,其中测试数据集包括每个建筑类型的建筑设施的数据以及对应的抗震性能评价指数;
将测试数据集中每个建筑类型的建筑设施的数据输入至建筑设施抗震性能评估模型,得到各个建筑类型对应的评估结果;
基于评估结果计算每个建筑类型对应的评估准确率,随后通过公式计算出每个建筑类型对应的新隐含层数并进行调整,公式如下:其中/>为该建筑类型所对应的新的隐含层数,若是计算出来不是整数则将/>四舍五入到最接近的正整数,为该建筑类型原有的隐含层数,/>为计算得出的评估准确率,/>为预设的每个建筑类型对应的平均准确率,/>为调整系数,用于控制调整速率;调整系数/>的计算方式如下:其中,/>和/>分别为调整系数的最小限制和最大限制;
基于所述建筑设施抗震性能评估模型对不同建筑设施的抗震性能进行评估。
2.根据权利要求1所述的方法,其特征在于,当所述建筑设施为城镇房屋时,所述建筑设施对应的抗震性能评估方法可表示为:其中,/>表示建筑抗震隐患评价指数,/>表示建造维护指数,/>表示建筑抗震设防指数,/>表示建造年代指数,/>、/>分别表示抗震设防、建造年代的加固时效指数,/>表示建筑结构特征指数;
所述建筑抗震隐患评价指数是评价存在抗震隐患程度的参数,取值范围为,表示暂无抗震隐患,/>表示可能存在抗震隐患,/>表示存在抗震隐患。
3.根据权利要求1所述的方法,其特征在于,当所述建筑设施为农村房屋时,所述建筑设施的评估方法可表示为:其中,/>表示农村房屋抗震隐患评价指数,/>表示第/>个房屋属性指标的抗震隐患评价指数,/>表示第/>个房屋属性指标的抗震隐患评价指数权重,/>表示建造年代影响系数,/>表示质量现状影响系数,表示考虑安全性鉴定、抗震加固、抗震构造措施设置情况的综合提升影响系数,/>表示专业设计影响系数;/>表示暂无抗震隐患、/>表示可能存在抗震隐患、/>表示存在抗震隐患;
所述为考虑安全性鉴定、抗震加固、抗震构造措施设置情况的综合提升影响系数,计算公式为:/>其中,/>表示安全性鉴定指数,/>表示抗震加固指数,/>表示抗震构造措施指数,/>、/>、/>为对应的权重系数。
4.根据权利要求1所述的方法,其特征在于,所述建筑设施为市政设施时,用于评估所述建筑设施的评估方法可表示为:其中,/>表示市政设施抗震隐患评价指数,/>表示市政设施的相关影响因素的指数,/>为/>对应的权重系数;/>表示暂无抗震隐患、/>表示可能存在抗震隐患、/>表示存在抗震隐患。
5.根据权利要求1所述的方法,其特征在于,所述对所述神经网络模型进行训练包括:
在每个训练迭代中,使用损失函数计算损失,执行反向传播并更新模型参数,损失函数如下:其中,/>为建筑的类型总数,/>为第/>个建筑类型,/>为该建筑抗震性能的真实值,/>为该建筑抗震性能的评估值,/>为该建筑类型对应的权重,限定/>。
6.一种建筑设施抗震性能评估装置,采用如权利要求1至5任一所述的建筑设施抗震性能的评估方法,其特征在于,所述装置包括:
数据获取模块,用于获取不同类型的建筑设施的数据信息;
模型获取模块,用于获取预先构建的建筑设施抗震性能评估模型;所述建筑设施抗震性能评估模型基于不同类型的建筑设施的抗震性能评估方法构建;
抗震性能评估模块,用于基于所述建筑设施抗震性能评估模型对不同建筑设施的抗震性能进行评估。
7.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器;所述存储器存储有至少一条指令,所述至少一条指令用于被所述处理器执行以实现如权利要求1至5任一所述的建筑设施抗震性能的评估方法。
8.一种计算机可读存储介质,其特征在于,所述存储介质存储有至少一条指令,所述至少一条指令用于被处理器执行以实现如权利要求1至5任一所述的建筑设施抗震性能的评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410004691.6A CN117494590B (zh) | 2024-01-03 | 2024-01-03 | 建筑设施抗震性能的评估方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410004691.6A CN117494590B (zh) | 2024-01-03 | 2024-01-03 | 建筑设施抗震性能的评估方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117494590A CN117494590A (zh) | 2024-02-02 |
CN117494590B true CN117494590B (zh) | 2024-04-05 |
Family
ID=89676893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410004691.6A Active CN117494590B (zh) | 2024-01-03 | 2024-01-03 | 建筑设施抗震性能的评估方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117494590B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110472350A (zh) * | 2019-08-20 | 2019-11-19 | 广西科技大学 | 一种基于虚拟仿真的地震震害评估方法 |
KR20210059554A (ko) * | 2019-11-15 | 2021-05-25 | 한국건설기술연구원 | 건축물 내진성능 평가를 위한 초고속 데이터생성 엔진 및 그 방법 |
CN113127955A (zh) * | 2021-03-26 | 2021-07-16 | 广州大学 | 一种建筑抗震性能评估方法、系统、装置及存储介质 |
CN115017591A (zh) * | 2022-06-20 | 2022-09-06 | 长沙理工大学 | 建筑结构群抗震性能评估方法 |
CN115270635A (zh) * | 2022-08-04 | 2022-11-01 | 中国矿业大学 | 贝叶斯-神经网络高层建筑地震需求与易损性预测方法 |
CN117077439A (zh) * | 2023-10-13 | 2023-11-17 | 中国建筑科学研究院有限公司 | 建筑抗震隐患排查技术方法、装置以及存储介质 |
-
2024
- 2024-01-03 CN CN202410004691.6A patent/CN117494590B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110472350A (zh) * | 2019-08-20 | 2019-11-19 | 广西科技大学 | 一种基于虚拟仿真的地震震害评估方法 |
KR20210059554A (ko) * | 2019-11-15 | 2021-05-25 | 한국건설기술연구원 | 건축물 내진성능 평가를 위한 초고속 데이터생성 엔진 및 그 방법 |
CN113127955A (zh) * | 2021-03-26 | 2021-07-16 | 广州大学 | 一种建筑抗震性能评估方法、系统、装置及存储介质 |
CN115017591A (zh) * | 2022-06-20 | 2022-09-06 | 长沙理工大学 | 建筑结构群抗震性能评估方法 |
CN115270635A (zh) * | 2022-08-04 | 2022-11-01 | 中国矿业大学 | 贝叶斯-神经网络高层建筑地震需求与易损性预测方法 |
CN117077439A (zh) * | 2023-10-13 | 2023-11-17 | 中国建筑科学研究院有限公司 | 建筑抗震隐患排查技术方法、装置以及存储介质 |
Non-Patent Citations (2)
Title |
---|
区域地震风险性分析及建筑抗震性能评估;董艳秋;中国优秀硕士学位论文全文数据库工程科技Ⅱ辑;20220415;全文 * |
基于MLP模型的建筑结构损伤检测与抗震性能分析;陈方宇 等;湘潭大学自然科学学报;20180215(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117494590A (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Optimal sustainable life cycle maintenance strategies for port infrastructures | |
Mondoro et al. | Optimal risk-based management of coastal bridges vulnerable to hurricanes | |
Zavadskas et al. | Multi-attribute assessment of road design solutions by using the COPRAS method | |
Younis et al. | A probability model for investigating the trend of structural deterioration of wastewater pipelines | |
Li et al. | An integrated simulation and optimization approach for reducing CO2 emissions from on-site construction process in cold regions | |
Jeong et al. | Prediction of flexible pavement deterioration in relation to climate change using fuzzy logic | |
CN107330636A (zh) | 基于3dgis+bim技术的工程施工风险源实时监控及人工智能预测方法 | |
DeSilva et al. | Sustainable management of leakage from wastewater pipelines | |
CN113190945B (zh) | 基于在线代理模型辅助进化算法的城市排水管网优化方法 | |
Fragkakis et al. | Preliminary cost estimate model for culverts | |
Wang et al. | Environmental risk assessment of subway station construction to achieve sustainability using the intuitionistic fuzzy analytic hierarchy process and set pair analysis | |
Chou et al. | Quantity-based approach to preliminary cost estimates for highway projects | |
CN111612336B (zh) | 一种基于大数据的油气管道失效因素修正方法 | |
Park et al. | A study on analysis of the environmental load impact factors in the planning stage for highway project | |
Younis et al. | Continuation ratio model for the performance behavior of wastewater collection networks | |
CN117494590B (zh) | 建筑设施抗震性能的评估方法、装置、设备及存储介质 | |
CN106759546A (zh) | 基于改进多变量灰色预测模型的基坑变形预测方法及装置 | |
CN114741975B (zh) | 一种岩土工程结构模态预测分析方法以及系统 | |
Li et al. | Use of Markov chain model based on actual repair status to predict bridge deterioration in Shanghai, China | |
Breysse et al. | Management strategies and improvement of performance of sewer networks | |
Merisalu et al. | Probabilistic cost-benefit analysis for mitigating hydrogeological risks in underground construction | |
Shirkhanloo | Evaluation of Decision-Making Prediction Models for Sewer Pipes Asset Management | |
CN113221440B (zh) | 一种排水系统监测点优化布置与实时全局反演方法 | |
Park et al. | Development of environmental load-estimating model for road planning phase: focus on road earthwork | |
Mbanjwa | An investigation of the relationships between inventory and inspection data of RC bridges and RC culverts in the Western Cape Province |
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 |