基向量引导的支持向量机RC框架抗震韧性评估OA北大核心CSTPCD
Basis vectors-guided support vector machines for seismic resilience assessment of RC frames
机器学习方法能通过建立以建筑信息、地震动参数为输入,韧性指标为输出的非线性映射关系,对建筑结构进行抗震韧性评估,但当训练数据规模较大时,其训练过程由于涉及求解大规模逆矩阵致使计算效率低下且极其占用计算机内存.为此,提出基向量引导的支持向量机(basis vectors-guided support vector machines for regression,BVLS-SVMR)模型,从大规模训练样本中提取小规模子样本,并将其映射到高维特征空间里…查看全部>>
Machine learning methods can evaluate the seismic resilience of buildings by establishing a nonlinear mapping relationship between inputs related to building information and seismic parameters and outputs representing resilience indicators.However,large training datasets pose challenges due to the computation of large-scale inverse matrices,leading in low computational efficiency and high memory usage.To address this issue,we propose a basis vector guided su…查看全部>>
施文凯;周宇;王尉阔;欧阳谦;骆欢
湖北省地质灾害防治工程技术研究中心,湖北宜昌 443002||三峡大学土木与建筑学院,湖北宜昌 443002湖北省地质灾害防治工程技术研究中心,湖北宜昌 443002||三峡大学土木与建筑学院,湖北宜昌 443002湖北省地质灾害防治工程技术研究中心,湖北宜昌 443002||三峡大学土木与建筑学院,湖北宜昌 443002湖北省地质灾害防治工程技术研究中心,湖北宜昌 443002||三峡大学土木与建筑学院,湖北宜昌 443002湖北省地质灾害防治工程技术研究中心,湖北宜昌 443002||三峡大学土木与建筑学院,湖北宜昌 443002
土木建筑
基向量支持向量机机器学习钢筋混凝土框架抗震韧性
basis vectorssupport vector machinesmachine learningreinforced concrete framesseismic resilience
《建筑结构学报》 2024 (5)
81-91,11
湖北省自然科学基金面上项目(2022CFB294),国家自然科学基金青年项目(52208485).
评论