摘要
本发明提出了一种基于条件生成对抗神经网络的远场基岩地震动参数强度预测方法,旨在为地下结构地震易损性分析提供合适准确的地震动强度预测参数,首先获取基岩和地表地震动记录确定输入输出参数,建立远场地震动数据库,然后依据多元联合条件概率模型数学表达式对数据预处理后按比例分为训练集和测试集,接着构建条件生成对抗网络预测模型并调整参数,最后用训练集训练模型,使用测试集评估模型准确性和泛化能力;该方法利用条件生成对抗网络的随机性特征模拟地震动随机特性,能较全面地预测地震动峰值、频谱和持时三要素,为需要基于性能的抗震设计提供了更合理准确的强度参数依据,提前优化地下结构抗震设计,提升地下工程抗震性能。
技术关键词
条件生成对抗神经网络
强度预测方法
地震动参数
地震动强度参数
条件生成对抗网络
条件概率模型
场地条件
地下结构抗震设计
地下工程抗震
随机噪声
表达式
脉冲特征
训练集
数学
代表
指标
系统为您推荐了相关专利信息
地质灾害评估方法
地震动参数
危险性
三维有限元模型
权重模型
非线性系统
非线性动力系统
识别方法
深度学习模型
条件生成对抗网络
装饰设计方法
条件生成对抗网络
智能建筑
关键词
TextRank算法
图像增强模型
气阀
条件生成对抗网络
计算机电子设备
数据获取模块
强度预测方法
碳纤维复合材料
静态力学性能测试
损伤演化规律
有限元分析软件