楊秀萍 程運(yùn)平 陳克珩 丁大勇

（荊門(mén)市民防辦，荊門(mén) 448000）

引言

地震是破壞力最強(qiáng)的自然災(zāi)害之一。地震災(zāi)害的最重要特征就是在極短的時(shí)間內(nèi)造成嚴(yán)重的人員傷亡和經(jīng)濟(jì)損失。近年來(lái)全球地震災(zāi)害頻發(fā)，正處于全球地質(zhì)活動(dòng)相對(duì)活躍的時(shí)期，平均每年發(fā)生的6級(jí)以上地震約300—400次，7級(jí)以上地震約20次，8級(jí)以上地震1次左右。

通過(guò)調(diào)查歷史震害，作者發(fā)現(xiàn)地震災(zāi)害損毀主要表現(xiàn)在兩個(gè)方面：一是地震災(zāi)害造成的人員傷亡；二是地震災(zāi)害導(dǎo)致的基礎(chǔ)設(shè)施損毀。而人員傷亡大多數(shù)是由于基礎(chǔ)設(shè)施損毀而直接引起的。因此，在目前地震準(zhǔn)確預(yù)報(bào)尚不能實(shí)現(xiàn)的情況下，建筑物抗震能力的高低對(duì)減輕地震災(zāi)害有著極其重要的作用。如果能夠在地震前預(yù)測(cè)出城市建筑物的震害程度及其空間分布，并且采取必要的抗震加固措施，就能減小地震災(zāi)害造成的損失。

1 建筑物震害預(yù)測(cè)原理

廣義上的震害預(yù)測(cè)包括：地震危險(xiǎn)性分析和結(jié)構(gòu)易損性分析。本文主要討論狹義的震害預(yù)測(cè)結(jié)構(gòu)易損性分析——結(jié)構(gòu)在確定的地震強(qiáng)度作用下，發(fā)生某種破壞程度的概率或可能性（伊之潛，1996）。

傳統(tǒng)的震害預(yù)測(cè)方法主要是對(duì)建筑物逐棟或抽樣進(jìn)行調(diào)查，再建立震害矩陣進(jìn)行預(yù)測(cè)。這種方法可以得到比較詳細(xì)的數(shù)據(jù)，但《地震災(zāi)害預(yù)測(cè)及其信息處理系統(tǒng)技術(shù)規(guī)范》規(guī)定：“對(duì)于城市的一般建筑物，抽樣率一般以占該類(lèi)建筑總面積的8%—11%為宜”，如果應(yīng)用傳統(tǒng)的震害預(yù)測(cè)方法，工作量巨大且投資額高。我國(guó)需要進(jìn)行震害預(yù)測(cè)的城市約占全國(guó)城市的半數(shù)以上，在保證宏觀預(yù)測(cè)精度和可靠性的情況下，加速城市的震害預(yù)測(cè)工作，減少投資成本，就成為眾所關(guān)心的問(wèn)題?？紤]到我國(guó)目前建筑形式還是以多層磚房為主，因此對(duì)多層磚房震害預(yù)測(cè)研究就有著非常重要的意義，同時(shí)我國(guó)多層磚房的震害資料也比較豐富，容易獲得的樣本也比較全面。目前，對(duì)多層磚房的震害預(yù)測(cè)主要包括：樓層單位面積平均抗剪強(qiáng)度系數(shù)法（喬亞玲等，2005）、基于 BP神經(jīng)網(wǎng)絡(luò)模型的多層磚房震害預(yù)測(cè)方法（湯皓等，2006a；2006b）、基于MATLAB神經(jīng)網(wǎng)絡(luò)方法的多層磚房震害預(yù)測(cè)（姜偉等，2011）、用模糊人工神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)多層磚房震害（劉本玉等，2002）、灰關(guān)聯(lián)與人工神經(jīng)網(wǎng)絡(luò)在建筑物震害預(yù)測(cè)中的應(yīng)用（湯皓等，2006a；2006b）等。本文嘗試?yán)靡环NACCRBF（Ant Colony Clustering Radial Basis Function）網(wǎng)絡(luò)模型（康飛等，2009），依據(jù)不同峰值加速度下多層磚房的實(shí)際震害資料建立樣本，通過(guò)對(duì)已知震害樣本的學(xué)習(xí)、訓(xùn)練，在模型的輸入和輸出之間建立映射關(guān)系，并利用這種映射關(guān)系對(duì)未知樣本進(jìn)行評(píng)估和分類(lèi)，實(shí)現(xiàn)對(duì)建筑物的震害分析和預(yù)測(cè)。

2 基于ACCRBF網(wǎng)絡(luò)的多層磚房震害預(yù)測(cè)模型

2.1 ACCRBF網(wǎng)絡(luò)的基本原理和算法

RBF網(wǎng)絡(luò)（圖1）是一種前饋神經(jīng)網(wǎng)絡(luò)模型，一般為m-k-p型3層結(jié)構(gòu)，如圖2所示。它不僅具有生物學(xué)基礎(chǔ)和數(shù)學(xué)基礎(chǔ)，而且結(jié)構(gòu)簡(jiǎn)單，學(xué)習(xí)速度快，逼近能力強(qiáng)。但其學(xué)習(xí)算法如聚類(lèi)算法（K-means）是無(wú)監(jiān)督的模式分類(lèi)算法，工作量大，易陷入局部最優(yōu)。蟻群優(yōu)化是一種高度創(chuàng)新的全局優(yōu)化算法，它特有的信息素正反饋、信息素通信和群體協(xié)作等優(yōu)秀性能使之得到了廣泛的認(rèn)可。將蟻群聚類(lèi)算法與RBF網(wǎng)絡(luò)組合運(yùn)用，建立一種新的ACCRBF網(wǎng)絡(luò)模型，能夠在全局范圍內(nèi)優(yōu)化搜索，模擬了蟻群覓食的概率轉(zhuǎn)移特性，克服了傳統(tǒng)的K-means聚類(lèi)對(duì)初始聚類(lèi)中心的選取依賴(lài)性強(qiáng)，而且容易收斂到局部極值的缺點(diǎn)，聚類(lèi)效果更優(yōu)，得到的基函數(shù)中心更具有代表性。

ACCRBF算法（康飛等，2009；楊秀萍等，2011）：

（1）采用蟻群聚類(lèi)算法，計(jì)算聚類(lèi)中心（如圖2）。

（2）根據(jù)公式iidσγ=確定各隱節(jié)點(diǎn)的擴(kuò)展常數(shù)，id為第i個(gè)聚類(lèi)中心與離它最近的聚類(lèi)中心之間的歐氏距離，γ是用來(lái)調(diào)整擴(kuò)展常數(shù)的重疊系數(shù)。

（3）計(jì)算權(quán)值矩陣W：RBF網(wǎng)絡(luò)各隱節(jié)點(diǎn)的數(shù)據(jù)中心ic和擴(kuò)展常數(shù)iσ確定之后，對(duì)應(yīng)于輸入樣本ix的第j個(gè)隱節(jié)點(diǎn)的輸出為。ACCRBF網(wǎng)絡(luò)結(jié)構(gòu)就完全確定了：輸入樣本為ix，輸出為y HW= ，

圖1 RBF網(wǎng)絡(luò)結(jié)構(gòu)圖Fig. 1 Diagram of RBF network structure

2.2 結(jié)構(gòu)易損性預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)

ACCRBF網(wǎng)絡(luò)模型（康飛等，2009）設(shè)計(jì)的關(guān)鍵是要選擇能夠合理反映出模型的輸入、輸出之間的邏輯映射關(guān)系的特征向量，包括輸入向量和輸出向量?jī)刹糠?。在結(jié)構(gòu)易損性預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)模型中，所選擇的輸入向量應(yīng)為結(jié)構(gòu)的震害影響因子。根據(jù)多層磚房震害影響因素選用以下8個(gè)震害影響因子（劉本玉等，2002；湯皓等，2006a；2006b；成小平等，2009）：房屋層數(shù)1x、施工質(zhì)量2x、砂漿標(biāo)號(hào)3x、結(jié)構(gòu)合理性4x、磚墻面積率5x、房屋整體性6x、場(chǎng)地條件7x和地震峰值加速度8x作為輸入向量的分量，同時(shí)設(shè)輸入向量具體的參數(shù)取值如表1所示。

圖2 ACC算法流程圖Fig. 2 Flowchart of ant clustering algorithm

表1 多層磚房震害影響因子Table 1 Influence factor of multistory masonry buildings

續(xù)表

輸出向量設(shè)為不同峰值加速度下結(jié)構(gòu)震害程度。本文將震害程度分為5個(gè)等級(jí)：基本完好、輕微損壞、中等破壞、嚴(yán)重破壞和倒塌。根據(jù)震害的分級(jí)情況，將輸出向量分別用1、2、3、4、5來(lái)表示：基本完好、輕微損壞、中等破壞、嚴(yán)重破壞、倒塌5種破壞。

2.3 ACCRBF網(wǎng)絡(luò)模型的訓(xùn)練

本文參照湯皓等（2006a；2006b），選擇了《唐山大地震震害》中的30組多層磚房震害實(shí)例。多層磚房震害實(shí)例的各震害因子及其對(duì)應(yīng)的震害程度如表2所示。取25組作為訓(xùn)練樣本，5組作為測(cè)試樣本。按照本文的網(wǎng)絡(luò)模型算法，參考康飛等（2009），α, β取1—10之間不同的整數(shù)，通過(guò)多次實(shí)驗(yàn)表明， α =β=8.0時(shí)，收斂效果最優(yōu)，當(dāng)r和γ大于一定值時(shí)對(duì)網(wǎng)絡(luò)收斂精度影響不大，取為樣本間最大距離，γ=200。用訓(xùn)練樣本對(duì)ACCRBF網(wǎng)絡(luò)進(jìn)行多次訓(xùn)練，得到合理的網(wǎng)絡(luò)基函數(shù)中心、擴(kuò)展常數(shù)和權(quán)值。

表2 多層磚房震害實(shí)例Table 2 Some case examples of the seismic damage of multistory masonry buildings

由表3可見(jiàn)，各種破壞情況的輸出值并不是精確的整數(shù)，根據(jù)模糊理論中的貼近準(zhǔn)則，可以大致預(yù)測(cè)該房屋最可能發(fā)生的破壞等級(jí)。通過(guò)ACCRBF網(wǎng)絡(luò)預(yù)測(cè)、BP網(wǎng)絡(luò)預(yù)測(cè)結(jié)果比較發(fā)現(xiàn)，RBF網(wǎng)絡(luò)聚類(lèi)效果更優(yōu)，預(yù)測(cè)結(jié)果誤差小（圖3）。根據(jù)ACCRBF網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與實(shí)際震害的比較，可知2、3、6、7、28五組樣本基本吻合，樣本10、11、19、27、29誤差較大，但也在允許范圍，其余樣本吻合度良好。出現(xiàn)這樣的結(jié)果是因?yàn)檫x取前25組樣本作為訓(xùn)練樣本，后5組作為測(cè)試樣本，訓(xùn)練樣本吻合度良好，測(cè)試樣本略有偏差。究其原因主要是因?yàn)檫x擇的樣本數(shù)量少，樣本不夠全面，30組樣本中3組完好、11組輕微破壞、6組中等破壞、6組嚴(yán)重破壞，4組倒塌，輕微破壞樣本數(shù)量最多，而訓(xùn)練效果也是最好的。同時(shí)選取的樣本主要基于地面峰值加速度0.2g—0.3g的情況，其他峰值加速度下的震害資料少，這樣網(wǎng)絡(luò)訓(xùn)練結(jié)果則不能實(shí)現(xiàn)各級(jí)震害預(yù)測(cè)。

圖3 ACCRB F網(wǎng)絡(luò)預(yù)測(cè)、BP網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與實(shí)際震害比較Fig. 3 The comparison of predicted results and the actual damages

表3 ACCRBF網(wǎng)絡(luò)預(yù)測(cè)、BP網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與實(shí)際震害比較Table 3 The comparison of predicted results and the actual damages

續(xù)表

3 結(jié)論

（1）對(duì)建筑物進(jìn)行合理的震害評(píng)估，并對(duì)抗震能力差的建筑物采取措施是減輕地震災(zāi)害損失的有效途徑。

（2）ACCRBF網(wǎng)絡(luò)能夠在全局范圍內(nèi)優(yōu)化搜索，較BP網(wǎng)絡(luò)聚類(lèi)效果更優(yōu)，預(yù)測(cè)結(jié)果誤差較小，更接近實(shí)際震害。

（3）由ACCRBF網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與實(shí)際震害比較可以看出，2、3、6、7、28五組樣本基本吻合；樣本10、11、19、27、29誤差較大，但也在允許范圍；其余20組樣本吻合度良好。說(shuō)明只要震害實(shí)例足夠全面，ACCRBF網(wǎng)絡(luò)可以用于震害預(yù)測(cè)模型。

成小平，胡聿賢，帥向華，2009. 基于神經(jīng)網(wǎng)絡(luò)模型的房屋震害易損性估計(jì)方法. 自然災(zāi)害學(xué)報(bào)，9（2）：68—73.

姜偉，馬令勇，劉功良，2011. 基于MATLAB神經(jīng)網(wǎng)絡(luò)方法的多層磚房震害預(yù)測(cè). 西北地震學(xué)報(bào)，33（2）：155—158.

康飛，李俊杰，許青，2009. 堆石壩參數(shù)反演的蟻群聚類(lèi)RBF網(wǎng)絡(luò)模型. 巖土力學(xué)與工程學(xué)報(bào)，28（增2）：3640—3644.

劉本玉，葉燎原，江見(jiàn)鯨，2002. 用模糊人工神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)多層磚房震害. 清華大學(xué)學(xué)報(bào)（自然科學(xué)版），42（6）：843—846.

喬亞玲，閆維明，2005. 建筑結(jié)構(gòu)震害預(yù)測(cè)方法研究評(píng)述. 工業(yè)建筑，35（6）：1—5.

湯皓，陳國(guó)興，2006a. 灰關(guān)聯(lián)與人工神經(jīng)網(wǎng)絡(luò)在建筑物震害預(yù)測(cè)中的應(yīng)用. 地震工程與工程振動(dòng)，26（3）：57—59.

湯皓，陳國(guó)興，李方明，2006b. 基于BP神經(jīng)網(wǎng)絡(luò)模型的多層磚房震害預(yù)測(cè)方法. 地震工程與工程振動(dòng)，26（4）：141—146.

伊之潛，1996. 地震災(zāi)害及損失預(yù)測(cè)方法. 北京：地震出版社.

楊秀萍，康飛，李俊杰，2011. 基于ACCRBF網(wǎng)絡(luò)的面板堆石壩參數(shù)反演. 水電自動(dòng)化與大壩監(jiān)測(cè)，35（2）：56—58.