在线文库
全部分类
  • 实用文档 >
    实用文档
    总结/汇报 工作计划 实施方案 讲话/发言 心得体会 民主生活会专栏 往来文书 党团工作 合同/协议 求职/职场 表格模板 PPT模板区 主题教育专栏
  • 项目前期 >
    项目前期
    环境影响评价报告 可行性研究报告 项目建议书 项目申请报告/资金 项目计划书/策划书 项目选址/土地利用 社会稳定风险评估报 节能评估/清洁生产 矿山地质环境保护/ 安全评价报告/安全 初步设计 水土保持方案 水资源论证报告 矿产勘查/储量核实/ 地质灾害危险性评估 防洪/防震/防雷评价 职业病危害评价及防 招标/投标/评标文件 项目前期工作/项目
  • 工程管理 >
    工程管理
    设计方案 施工组织设计 施工方案 工程监理/造价 施工工艺 技术交底 验收规范/验收标准 环境保护验收报告 验收报告/验收表单 施工/监理合同 工程管理/工程表格
  • 时代专栏 >
    时代专栏
    调研报告/行业分析 发展规划/规划设计 脱贫攻坚战专栏 乡村振兴战略专栏 污染防治攻坚战专栏 扫黑除恶专项斗争专 ppp项目专栏 一带一路专栏 改革开放40周年专栏
  • 教育考试 >
    教育考试
    幼儿/小学教育 初中教育 高中/职业教育 成人/电大/自考 高等教育/毕业论文 教学研究/教育管理 从业资格考试 IT计算机考试 医药卫生考试 公务员/司法考试 知识竞赛试题
  • 专业资料 >
    专业资料
    人文社会/法律 建筑/建材/土木 环境科学/食品科学 电力/水利 能源/化工 冶金/矿山/地质 道路/交通/物流 机械/仪器/仪表 电子/电路 医药/卫生 纺织/轻工业 IT/计算机/通信 材料科学 航空/兵器/核科学 自然科学 农林牧渔
  • 经管营销 >
    经管营销
    经济/金融/财税 人力资源管理 市场营销 财务管理/分析 生产/经营管理 安全/应急管理 采购/供应链管理 商标/专利/知识产权 企业管理 制度汇编/手册
  • 标准规范 >
    标准规范
    市政/建筑/建材标准 冶金/化工/机械标准 矿山/地质/测绘标准 能源/电力/电气标准 IT/计算机/电信标准 道路/交通/物流标准 医药卫生标准 轻工纺织标准 农林牧渔/水利标准 环境保护/食品标准 安全/气象/防灾标准 管理体系认证标准 政务/商务服务标准 国外/国际标准 标准书籍/手册
  • 生活休闲 >
    生活休闲
    家具家电/家装 饮食 保健养生/体育 婚姻家庭 美容服饰 娱乐时尚 旅游购物 摄影/摄像/绘画 影视/动漫/游戏 幽默滑稽 音乐 文学/小说 随笔/综合
  • 综合区 >
    综合区
  • 换一换
    首页 在线文库 > 资源分类 > PDF文档下载
     

    基于支持向量机的一般建筑震害预测方法研究.pdf

    • 资源ID:40184       资源大小:372.76KB        全文页数:5页
    • 资源格式: PDF        下载权限:游客/注册会员/VIP会员    下载费用:2积分 【人民币0.2元】
    快捷注册下载 游客一键下载
    会员登录下载
    三方登录下载: 微信快捷登录 QQ登录   微博登录  
    下载资源需要2积分 【人民币0.2元】
    邮箱/手机:
    温馨提示:
    支付成功后,系统会自动生成账号(用户名和密码都是您填写的邮箱或者手机号),方便下次登录下载和查询订单;
    支付方式: 支付宝    微信支付   
    验证码:   换一换

    加入VIP
     
    友情提示
    2、PDF文件下载后,可能会被浏览器默认打开,此种情况可以点击浏览器菜单,保存网页到桌面,既可以正常下载了。
    3、本站不支持迅雷下载,请使用电脑自带的IE浏览器,或者360浏览器、谷歌浏览器下载即可。
    4、本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰   

    基于支持向量机的一般建筑震害预测方法研究.pdf

    第27卷第4期 2010年12月 华中科技大学学报城市科学版 J.of HUST.Urban Science Edition V0I.27 No.4 Dec.2010 基于支持向量机的一般建筑震害预测方法研究 苏 原 , 王彬彬 , 赵勇强。, 吴 晟 1.华中科技大学a.土木工程与力学学院;b.控制结构湖北省重点实验室,湖北武汉430074; 2.武汉山海桥梁设计咨询有限公司,湖北武汉430074; 3.湖北中烟工业有限责任公司,湖北武汉430040 摘要对城市中现有数量巨大的一般建筑的抗震能力进行评价,必须采用简便、实用的建筑物群体震害预测 方法,才能在有限的时间内完成城市建筑物的震害预测工作。为此本文提出了基于支持向量机的建筑物群体 震害预测方法,详细说明了基于支持向量机进行建筑物震害预测的步骤和方法。同时,本文利用建立的基于支 持向量机的震害预测模型,对3栋现有建筑进行了震害预测,并将预测结果与单体震害预测结果进行了对比。 研究结果表明,基于支持向量机的建筑物震害预测方法是一种可以用于建筑物群体震害预测的良好方法。 关键词支持向量机;一般建筑;震害预测 中图分类号TU352.1 文献标识码A 文章编号1672.7037201004-0081-05 建筑物的群体震害预测是指对一个区域城 市或地区的建筑群在预期地震作用下的破坏进 行估计,给出每个预测单元中各类建筑物在每个 震害破坏等级中所占的比例 ,为此,需要对抽 样建筑物进行震害预测。传统的震害预测方法大 多以建筑物的力学参数为基础建立模型进行单体 的震害预测,计算有一定的精度,但对于城市中现 有数量巨大的一般建筑的抗震能力进行震害预 测,这样的单体建筑震害预测方法工作量巨大,显 然是不可接受的。 目前,我国学者也提出了一些建筑群体震害 预测方法 J,但这些方法中都存在权重的设置, 使得预测过程需要人的干预,这样预测结果的准 确性将依赖于使用者的个人能力和水平,具有一 定的不确定性。因此找到一种既能对城市数量巨 大的一般建筑物进行快速准确的震害预测,又减 少人为干预的新的快速的建筑物群体震害预测方 法,是很有必要的。为此,本文提出了基于支持向 量机的一般建筑群体震害预测方法。 1支持向量机的基本理论 1.1支持向量机 支持向量机是机器学习的一种方法,其基本 思想是根据给定的训练样本中的特征向量与类别 之间的非线性关系建立支持向量机模型,用模型 对未知样本进行分类或回归。CoesVapnik于 1995年正式提出了机器学习领域中的重大成 果支持向量机SuppoVector Machines,简 称SVM 。它的理论基础是以解决小样本情况 下的机器学习问题为目标的统计学习理论statis tical learning theory,SLTis]。 1.2分类函数 SVM最基本的理论是二值分类理论,其基本 思想就是根据结构风险最小化原则,构造一个分 类函数将两类不同的样本尽可能区分开来。对不 同的样本,分类函数大致可以分为两类线性分类 函数和非线性分类函数。 其中,根据线性分类函数能否完全正确的将 样本数据分开,又可将数据分为线性可分情形和 非线性可分情形。一般的,如果给定的样本数据 能够用一个线性函数多维空间里即为超平面 完全正确的分开,就称这些数据是线性可分的,如 果给定的样本数据不能够用一个线性函数完全正 确的分开,则称这些数据是非线性可分的。 如果样本数据集利用线性函数不能进行较好 的分类,则需要利用非线性分类函数即构造非 线性分类器来对它进行分类。构造非线性分类 器的方法就是先把数据映射到高维特征空问含 非线性特征分量,然后在高维特征空间中构造 线性分类器,这就是SVM采用的方法 J。 收稿日期201O 9 7 作者简介苏原1964一,男,辽宁阜新人。副教授,博士,研究方向为结构抗震E.mailsyuan一027163.COIn 82 华中科技大学学报城市科学版 2010年 2 LIBSVM简介 震害预测问题是分类问题,本文主要介绍 LIBSVM进行分类的原理。前面介绍了关于二值 分类问题的基本原理,但由于建筑物在地震作用 下的破环有多个等级,因此建筑物的震害预测属 于多值分类问题,SVM采用构造多值分类器的方 法来解决该问题。多值分类器的构造主要通过组 合多个二值子分类器来构造多值分类器。这类方 法目前主要的分支算法由Kresselp 提出的1-a_1 oneagainstone算法。 LIBSVM采用1一a一1算法构造多值分类器来 解决多值分类问题。该算法对任意两个不同类别 的样本构造一个SVM子分类器,这样对于k类样 本就有kk一1/2个SVM子分类器,每个子分类 器按照SVM的二值分类方法进行分类。其具体 构造过程为构造类别i和类别 的SVM子分类 器时,在样本数据集中选取属于类别i及类别 的 样本数据作为训练样本数据,并将属于类别i的 数据标记为正,将属于类别 的数据标记为负。 测试时,分别用kk-1/2个SVM子分类器对测 试数据进行分类,并累计各类别的得分,选择得分 最高者所对应的类别为测试数据的类别。 3震害预测步骤 本文运行LIBSVM的平台是Windows XP,从 命令列执行。本文选用的软件为libsvm-2.88、PY thon26、gnuplot。LIBSVM进行震害预测的一般步 骤主要包括准备数据、缩放数据、选择最佳参数、 训练学习样本获得支持向量机模型、测试模型、利 用获取的模型进行预测。其中建立理想的支持向 量机模型是运用该方法对建筑物进行震害预测的 关键性步骤。建立理想的支持向量机模型首先要 选择合理的样本。学习样本和检验样本最好从震 害实例中选取,这样比较符合真实情况;采用其他 震害预测方法得到的震害结果作为样本时,需要 对样本进行合理筛选。同时样本应该有相当的数 量,能够覆盖待预测的各种建筑类型和相关参数。 其次是选择最优参数。本文采用的LIBSVM软件 包拥有自行选择最优参数的程序,但并不是每次 程序自动选择的参数都是最优的参数,如果利用 检测文件对支持向量机模型检测之后发现模型的 预测正确率不高,则需要重新选择惩罚参数C和 径向基核函数的参数g来对学习样本进行训练, 得到新的支持向量机模型,直到得到满意的结果 之后,再用对应的支持向量机模型对预测样本进 行预测。 4基于支持向量机的震害预测模型 4.1特征向量与震害等级的标识 基于支持向量机的建筑物震害预测方法的基 本思想是通过从震害实例中提取的数据,利用支 持向量机分析各种地震影响因素与震害等级之间 的非线性关系并建立震害预测模型,然后根据得 到的模型中的非线性关系对待测建筑的数据资料 进行分析,从而判断出待测建筑物的震害等级。 因此,特征向量与震害等级的正确选择是保证准 确预测的前提条件。本文在考虑各种因素对建筑 物震害的影响程度后,决定采用结构类型、建筑物 所处场地类别、高度、地震烈度及建筑用途等因素 作为样本的特征向量。 因为LIBSVM只能对数量化的数字信息进行 处理,而建筑物的结构类型和用途是非数量化的 向量,所以在利用支持向量机建立震害预测模型 之前须利用数字对这两个特征向量进行标识。本 文采用的标识数字见表1。 表1特征向量的标识 向量 标识数字 结构 其它 老旧民房单层厂房砖混结构钢混结构 类别 1 2 3 4 5 建筑工业住宅旅游办公商场教育医疗公用其它 用途1 2 3 4 5 6 7 8 9 对于建筑结构地震破坏等级的划分,我国己 制定了相应的划分标准。该标准建议采用基本完 好、轻微破坏、中等破坏、严重破坏和倒毁的五级 标准来划分建筑结构的地震破坏等级 。因为 震害等级也是非数字化的信息,所以同样必须利 用数字对其进行标识,破坏等级分为5个等级,本 文采用15五个数字标识。具体形式如表2所 示。 表2震害等级标识表 震害等级基本完好轻微破坏中等破坏严重破坏倒毁 标识 1 2 3 4 5 4.2模型的建立与检验 4.2.1数据准备 本文从唐山地震 及海城地震叫这两个历 史地震中选取了35个震害实例作为建立支持向 量机模型的学习样本和检验样本,每个震害实例 都选取了结构类型、场地类别、高度、地震烈度及 第4期 苏原等基于支持向量机的一般建筑震害预测方法研究 ‘83 建筑用途等参数作为特征向量,建筑物遭受地震 后的震害破坏等级为类别标识。将每组数据中的 结构类型、建筑用途及震害等级按前面的标识方 法进行数字标识,其中,前30组数据作为学习样 本,后5组数据作为检验样本,按照LIBSVM要求 的格式准备数据见表3与表4。然后分别将准 备好的学习样本和检验样本以文本文档的形式存 于C\libsvm-2.88\windows目录下,其文件名分 别命为xuexi.Lxt与jianyan.txt。 表3学习样本 4.2.2模型建立 模型的建立由以下几个步骤构成。 1缩放数据LIBSVM提供了对数据集进行 统一缩放功能。要运行该程序,首先要从命令行 进人软件所在的地方。命令列中输入cd C\livs。 vm一2.88\windows,进入软件所在的文件夹下。本 文将数据统一缩放到[0,1]之间,具体缩放程序 为 svmscale一10一ulS a.range xuexi.txtxuexi. scale svmscaler a.range jianyan.txtjianyan.scale 程序运行后在C\libsvm-2.88\windows目录 下将产生多个文件。其中,a.range为缩放规则的 文件名,xuexi.scale与jianyan.scale则分别为缩 放后数据的文件名。 2参数选择本文选择核函数为径向基核 函数的分类模式,其中最重要的参数有两个,一个 是惩罚参数C,另一个是径向基核函数的参数g, LVBSVM中运用交叉验证的方法选择来选择这两 个参数的最佳值。选择程序为 python d.PY xuexi.scale 输人程序后,系统将会自动搜索参数,需要说 明的是,参数C与g都是以指数增长的,C的范围 是2~~2 ,g的范围是2 一2 ,系统将在这两 个范围组成的区域内,对两个参数进行网格搜索, 哪组参数对学习样本进行训练的精确度最高便是 最佳参数。程序运行结束后,C\libsvm-2.88\ windows目录下将产生两个新的文件xuexi. scale.png和xuexi.scale.out。xuexi.scale.png为 图形文件图1,它显示的是参数的搜索过程及 最优参数值;xuexi.scale.out文件则记录了每一 组参数及其对学习样本进行训练得到的精度。从 图1中可以看出,对该学习样本,最佳参数为c 512;g0.5。 KRexi seal Best 1og2/C9 log2/gamma一1 accuracy70.O% C5 1 2 gamma0.5 图1最佳参数C与g l4 l2 lO 一8 6 log2/gamma 一4 2 O 2 84 华中科技大学学报城市科学版 2010年 3训练学习样本利用上面得到的最优参 数C与g对学习样本进行训练 VITIpainc 512一g 0.5 xuexi.scale xuexi.model 程序运行后,C\libsvm-2.88\windows目录下 将产生文件xuexi.model,它表示训练后得到的模 型文件。 4检验模型利用检验样本对支持向量机 模型进行检验 s啪一predict jianyan.scale xuexi.model jian yanout 程序运行后,c\libsvm-2.88\windows目录下 产生文件jianyan.out,它为支持向量机模型对检 验样本的预测结果,其与检验样本的实际结果比 较如表5。 表5检验结果 从表中可以看出,运用该支持向量机模型对 检验样本的预测有4个结果准确,1个有偏差但 偏差不大,说明该模型预测的精确度较高,可以用 其对其他建筑物进行预测。 至此,支持向量机模型已经建立完毕,且通过 检验表明该模型具有较高的准确度,可以用来对 待测建筑物进行震害预测。 5基于支持向量机的震害预测 本文对华中科技大学西七教学楼A区、图书 馆南区,湖北省教委办公楼三栋建筑分别进行了 单体建筑预测方法和基于的支持向量机的在 地震烈度为8度下的震害预测。三栋建筑的工程 概况如表6。 表6工程概况 建筑名称 结构类型场地类别高度m设防烈度 基于力学参数进行的单体建筑预测方法得到 的震害预测结果见表7;利用前文建立好的支持 向量机模型进行的震害预测结果见表8。 通过使用本文建立的支持向量机模型对三个 待测建筑的成功预测,我们可以看出,只要拥有足 够的学习样本,基于支持向量机的震害预测方法 就能够很好的对一个城市或区域的一般群体建筑 进行震害预测。 表7单体建筑预测方法得到的震害预测结果 建筑名称 萋笑砉 震害程度 预测方法 表8基于支持向量机预测方法得到的震害预测结果 6结论 基于支持向量机的群体震害预测方法具有以 下优点 1程序操作简单易懂。该方法中所使用的 程序步骤主要包括准备数据、缩放数据、寻找最优 参数、训练学习样本、检测模型以及进行预测,步 骤简单易懂,极易上手。不需要了解高深的理论 知识也可以进行预测工作,能够快速的推广。 2预测过程快速简单。准备好数据文件之 后,程序的每一个步骤运行起来都很迅速,大大减 少了等待的过程,提高了工作效率。和其他方法 相比,大大提高了预测速度。 3预测结果相对可靠。只要学习样本能够 覆盖预测样本的信息范围,就能建立精确地支持 向量机模型,使得预测结果比较可靠。 4不需要人为干预。该方法在整个预测过 程中没有需要人为设置的环节,对于相同的样本 数据,任意的操作者都能得到相同的结果,不存在 由于主观选择造成的不确定性,提高了预测结果 的一致性。 虽然基于支持向量机的建筑物群体震害预测 方法有多种优点,但是,目前该方法也存在了一些 不足 1参数的选择存在缺陷。参数的正确选择 是准确预测的关键,虽然程序中能够自动寻找最 优参数,但有时寻找出来的参数并不能得到较高 的准确率。这时就需要工作者采用试用法来寻找 最佳参数,给预测工作增加了一些困难。 第4期 苏原等基于支持向量机的一般建筑震害预测方法研究 85 2需要足够的样本。基于支持向量机的建 筑物群体震害预测方法是根据学习样本的参数与 震害等级之间的非线性关系建立的函数来对待测 建筑做出预测。因此,学习样本越丰富,所建立的 非线性关系就越精确,能够预测的建筑范围也就 越广阔。 [2] [3] 参考文献 胡少卿.建筑物的群体震害预测方法研究及基础 设施经济损失预测方法探讨[D].哈尔滨中国地 震局工程力学研究所,2007. 郭小东,苏经宇,马东辉,等.城市建筑物快速震 害预测系统[J].自然灾害学报,2006,156 128 134. 王志涛,苏经宇,马东辉,等.群体建筑物震害特 征类比预测方法与应用[J].北京工业大学学报, 2008,348843846. [4] Comes C,Vapnik V.Suppovector networds[J]. Machine Learning,1995,20273-295. [5] Vapnik V N.The Nature of Statistical Learning Theory [M].New YorkSpringer Vedag,1995. [6]王国胜.支持向量机的理论与算法研究[D].北 京北京邮电大学,2007. [7] Kressel U.Pairwise classification and suppovector machines[C]//Scholkopf B,ed.Advances in Ker- nel MethodsSuppoVector Learning,MIT Press, Cambrifge,Massachuses,1999255.268. [8]尹之潜.地震灾害及损失预测方法[R].北京地 震出版社,1995. [9]刘恢先.唐山大地震震害第二册[R].北京地 震出版社,1986. [10]刘恢先.海城地震震害[R].北京地震出版社, 】979. Analysis on Predictive of Earthquake Damage to Ordinary Building Stock Base on Support Vector Machine SU Yuan ,WANG Binbin ,ZHAO Yongqiang , Sheng 1.a.School of Civil Engineering and Mechanics; b.Hubei Key Laboratory of Control Structure,HUST,Wuhan 430074,China; 2.Wuhan Great Bridge Designing and Consulting Co Ltd,Wuhan 430074,China; 3.China Tobacco Hubei Industrial LLC,Wuhan 430040,China AbstractIn order to accomplish the earthquake damage prediction of massive ordinary constructions in a lim ited time,some simple but useful predictive s must be used.The of earthquake damage predic tion of city buildings based on support vector machine is put forward and the procedures of this are ex plained in details.Meanwhile,with the model which is established in this way,the earthquake damage pre dictions of three existing buildings are carried out as well as the comparison between this result and that of the single seismic damage prediction.The research shows that the earthquake damage prediction of buildings based on support vector machine is a good which can be used to predict damage of buildings. Key wordssupport vector machine;the ordinary building;the earthquake damage prediction

    注意事项

    本文(基于支持向量机的一般建筑震害预测方法研究.pdf)为本站会员(暮雨亦成詩)主动上传,在线文库仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知在线文库(发送邮件至zaixianwenku@163.com或直接QQ联系客服),我们立即给予删除!

    温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。




    关于我们 - 网站声明 - 网站地图 - 帮助中心 - 广告服务 - 诚邀英才 - 联系我们

    文库交流QQ群:630737895 在线文库交流群      联系客服QQ:1726005040  联系客服QQ:1518322126

         联系邮箱:zaixianwenku#163.com (请把#改为@)

     在线文库网版权所有   青公网安备:63010402000280号   青ICP备13000082号-5

    展开