梁永朵,姜金征,李 瑩,蔣 越,惠 楊
(遼寧省地震局,遼寧沈陽 110034)
我國是世界上地震災(zāi)害最嚴(yán)重的國家之一[1,2]。城市是社會政治、經(jīng)濟(jì)和文化活動最集中、最活躍的核心區(qū)域,一旦發(fā)生地震將會帶來巨大災(zāi)害。建筑物的震害是地震災(zāi)害的主體部分,合理對建筑物的震害損失預(yù)測并制定抗震防災(zāi)規(guī)劃是減輕城市地震災(zāi)害的有效措施。
在對進(jìn)行城市建筑物震害預(yù)測工作時(shí),《地震災(zāi)害預(yù)測及其信息管理系統(tǒng)技術(shù)規(guī)范》(GB/T19428-2003)規(guī)定:“對于城市的一般建筑物,抽樣率一般以占該類建筑總面積的8%~11%為宜”。如果應(yīng)用傳統(tǒng)的震害預(yù)測方法。這樣的抽樣率意味著現(xiàn)場調(diào)查工作量將是十分巨大的,需要耗費(fèi)大量的人力與物力資源。
為此,本文提出了一種利用房屋普查資料為震害影響因子的震害預(yù)測方法。震害預(yù)測的關(guān)鍵是找到普查各因子對綜合指標(biāo)的非線性綜合貢獻(xiàn),且這種關(guān)系不能簡單地由線性關(guān)系或權(quán)重系數(shù)代表,故引入了人工神經(jīng)網(wǎng)絡(luò)(即BP神經(jīng)網(wǎng)絡(luò))方法。這樣,就可以充分利用城市已有房屋普查資料,即便需要現(xiàn)場調(diào)查,也不需要專業(yè)人員即可進(jìn)行調(diào)查,或通過居委會居民填表方式進(jìn)行調(diào)查,大大減小了現(xiàn)場調(diào)查工作的難度,加速了震害預(yù)測工作的進(jìn)度。
以建筑物震害為例,介紹BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)過程。建筑物的結(jié)構(gòu)類型、建筑年代、層數(shù)、高度、用途、現(xiàn)狀質(zhì)量以及烈度等是影響建筑物震害損失的主要因素,簡稱為震害影響因子[3-5]。這些震害影響因子之間存在非線性性、不確定性、離散性、隨機(jī)性[6-8]。神經(jīng)網(wǎng)絡(luò)適用于解決具有這些特征的問題。
采用DPS軟件中的神經(jīng)網(wǎng)絡(luò)工具建立BP網(wǎng)絡(luò)模型。BP網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)需要確定很多參數(shù),其中輸入輸出層以及隱含層的確定是較為關(guān)鍵的。
確定BP網(wǎng)絡(luò)模型輸入輸出層的神經(jīng)元個(gè)數(shù),取決于使用者的需要。根據(jù)影響建筑物震害的因素及結(jié)果,確定輸出層有一個(gè)神經(jīng)元——建筑物在某一烈度下的震害情況。根據(jù)前面的分析,地震中影響建筑物震害損失的主要因素有7個(gè),即結(jié)構(gòu)類型、建筑年代、層數(shù)、高度、用途、現(xiàn)狀質(zhì)量、烈度。故對應(yīng)的輸入層神經(jīng)元個(gè)數(shù)為7個(gè)。
1.1.1 震害因子量化
由于神經(jīng)網(wǎng)絡(luò)只能對數(shù)量化的數(shù)字信息進(jìn)行處理,所以在利用BP神經(jīng)網(wǎng)絡(luò)建立震害預(yù)測模型之前須將非數(shù)量化的震害影響因子進(jìn)行合理量化。層數(shù)、高度、烈度按照其實(shí)際值進(jìn)行取值,在進(jìn)行分析時(shí),由于輸入函數(shù)值在[0,1]之外時(shí),該函數(shù)很容易飽和,致使收斂速度減慢,為此需將輸入層的輸入數(shù)值進(jìn)行歸一化處理。所謂歸一化處理,就是將數(shù)值進(jìn)行適當(dāng)?shù)奶幚?,使其范圍在?,1]之間。變換過程采用公式(1)進(jìn)行。此步驟的目的是在訓(xùn)練學(xué)習(xí)的過程中,不致因?yàn)橐恍?shù)據(jù)相對過小而被忽略了對震害結(jié)果的“貢獻(xiàn)”。其他震害影響因子量化情況見表1所示。輸入向量各分量的量化采用“震害影響同趨向”原則,即所有數(shù)值大小變化趨勢與對震害的影響方向是一致的。
表1 震害影響因子量化表
1.1.2 震害等級量化
按照《地震災(zāi)害損失評估工作規(guī)定》,將建筑物破壞分為五個(gè)破壞等級:毀壞、嚴(yán)重破壞、中等破壞、基本完好。輸出為房屋在某一烈度下的震害情況,并把其進(jìn)行量化,量化值見表2所示。
表2 震害等級量化表
由于用一個(gè)3層的BP網(wǎng)絡(luò)可以完成任意n維到m維的映射,故本模型采用單隱含層。中間隱含層神經(jīng)元個(gè)數(shù)的選擇對網(wǎng)絡(luò)的學(xué)習(xí)和計(jì)算特性具有非常重要的影響,是該網(wǎng)絡(luò)結(jié)構(gòu)成敗的關(guān)鍵。若隱含層的神經(jīng)元過少,則網(wǎng)絡(luò)難以處理復(fù)雜的問題,但若隱含層的神經(jīng)元過多,則將使網(wǎng)絡(luò)學(xué)習(xí)時(shí)間急劇增加,而且還可能導(dǎo)致網(wǎng)絡(luò)學(xué)習(xí)過度,使網(wǎng)絡(luò)抗干擾能力下降??紤]到訓(xùn)練精度和訓(xùn)練時(shí)間,隱含層神經(jīng)元個(gè)數(shù)按經(jīng)驗(yàn)選取,一般設(shè)為輸入層神經(jīng)元個(gè)數(shù)的75%,本模型輸入層有7個(gè)神經(jīng)元,輸出層神經(jīng)元1個(gè),隱含層的神經(jīng)元個(gè)數(shù)暫定為4個(gè)。
隱含層傳輸函數(shù)采用tar-sigmoid函數(shù)。選用Sigmoid非線性函數(shù)作為神經(jīng)元傳遞函數(shù)的原因有兩條:第一,它與生物神經(jīng)元的真實(shí)反映非常相似;第二,它有一個(gè)非常簡單的導(dǎo)數(shù),這對開發(fā)學(xué)習(xí)算法大有幫助。根據(jù)以上參數(shù)設(shè)計(jì)的BP網(wǎng)絡(luò)模型結(jié)構(gòu)如圖1所示。
圖1 BP網(wǎng)絡(luò)模型結(jié)構(gòu)
選取2008年汶川地震中的部分建筑物作為樣本[9],主要數(shù)據(jù)如表3所示。
表3 建筑物震害預(yù)測樣本集
續(xù)表
網(wǎng)絡(luò)在一個(gè)較好的學(xué)習(xí)訓(xùn)練集上訓(xùn)練,系統(tǒng)誤差將隨迭代次數(shù)的增加而減少,最終收斂于一組穩(wěn)定的權(quán)值。進(jìn)一步的學(xué)習(xí),權(quán)值將僅僅出現(xiàn)一個(gè)極小的波動,這是期盼的結(jié)果,關(guān)鍵在于選取一個(gè)合適的訓(xùn)練集。BP網(wǎng)絡(luò)仿真人腦,具有人腦思維的一般規(guī)律。在有規(guī)律的訓(xùn)練集上訓(xùn)練,學(xué)習(xí)更有效。因此,從訓(xùn)練集中選取一些示例作測試集,網(wǎng)絡(luò)在減少后的訓(xùn)練集上訓(xùn)練,在保留的示例上測試。
考慮到汶川地震中高層建筑的震害明顯小于多層,故將40個(gè)樣本數(shù)據(jù)分為兩組,第一組為非高層建筑,第二組為高層建筑,分別進(jìn)行訓(xùn)練和驗(yàn)證。
第一組樣本數(shù)據(jù)中,取1-3,5-10,12-16,18-28作為訓(xùn)練樣本,4,11,17作為驗(yàn)證樣本。
第二組樣本數(shù)據(jù)中,取29-38作為訓(xùn)練樣本,39、40作為驗(yàn)證樣本。
根據(jù)網(wǎng)絡(luò)參數(shù)的確定原則并進(jìn)行多次試算,最終確定的網(wǎng)絡(luò)參數(shù)如下表4所示。
確定上述參數(shù)后,利用DPS軟件輸入訓(xùn)練樣本數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練。當(dāng)誤差或迭代次數(shù)達(dá)到預(yù)定值自動停止計(jì)算。
2.4.1 第一組網(wǎng)絡(luò)訓(xùn)練與檢驗(yàn)
運(yùn)行2000次后,樣本誤差等于0.011,網(wǎng)絡(luò)訓(xùn)練及檢驗(yàn)結(jié)果如表5所示。
表4 網(wǎng)絡(luò)參數(shù)的確定結(jié)果
表5 第一組網(wǎng)絡(luò)訓(xùn)練及檢驗(yàn)結(jié)果
網(wǎng)絡(luò)輸出結(jié)果與實(shí)際數(shù)值基本一致,只是樣本14和樣本15的誤差較大些,這與樣本的數(shù)量有關(guān),但總體誤差基本能夠滿足要求,因此,此模型適用于多層混凝土建筑物的震害預(yù)測。
由表5可知,測試值與試驗(yàn)值之間的誤差在20%以內(nèi)。這表明,經(jīng)過訓(xùn)練后的BP網(wǎng)絡(luò)模型能夠抓住研究對象的基本特征,較好的預(yù)測出建筑物震害情況,所以將神經(jīng)網(wǎng)絡(luò)技術(shù)引入到建筑物震害預(yù)測中是可行的。訓(xùn)練樣本的多少對于網(wǎng)絡(luò)預(yù)測有著重要影響。系統(tǒng)的輸入輸出關(guān)系就包含在這些樣本中,所以一般說來,樣本越多,有助于系統(tǒng)掌握樣本規(guī)律,預(yù)測精度也就越高。本次試驗(yàn)由于樣本有限,預(yù)測值與試驗(yàn)值之間還有一定差距,若以大量震害實(shí)際數(shù)據(jù)作為樣本數(shù)據(jù)進(jìn)行BP網(wǎng)絡(luò)訓(xùn)練,將可大大提高網(wǎng)絡(luò)的預(yù)測精度。
第二組網(wǎng)絡(luò)訓(xùn)練與檢驗(yàn)
運(yùn)行150次后,樣本誤差等于9.5e-6,網(wǎng)絡(luò)訓(xùn)練及檢驗(yàn)結(jié)果如表6所示。
表6 第二組網(wǎng)絡(luò)訓(xùn)練及檢驗(yàn)結(jié)果
網(wǎng)絡(luò)輸出結(jié)果與實(shí)際數(shù)值完全一致,因此,此模型適用于預(yù)測高層鋼筋混凝土結(jié)構(gòu)的震害。
1)基于實(shí)際震害結(jié)果,提出了通過建立BP神經(jīng)網(wǎng)絡(luò)模型對建筑物震害進(jìn)行分類預(yù)測的方法。在對影響建筑物震害影響因素進(jìn)行分析和合理選擇的基礎(chǔ)上,確定了BP神經(jīng)網(wǎng)絡(luò)模型的特征參數(shù)和目標(biāo)參數(shù)。利用正交試驗(yàn)結(jié)果對模型進(jìn)行訓(xùn)練學(xué)習(xí),確定了BP網(wǎng)絡(luò)模型。利用該模型進(jìn)行了建筑物震害的預(yù)測,預(yù)測結(jié)果和試驗(yàn)值比較表明,根據(jù)國家和地區(qū)的具體情況建立具有地區(qū)特征的BP神經(jīng)網(wǎng)絡(luò)模型算法能夠預(yù)測具有相同特點(diǎn)的建筑物震害。
2)建筑物震害預(yù)測的BP神經(jīng)網(wǎng)絡(luò)模型具有實(shí)用性和可行性,尤其以可靠的地震應(yīng)急基礎(chǔ)數(shù)據(jù)庫為依據(jù)時(shí),便可用于建筑物震害損失預(yù)測中。
[1] 孫柏濤,孫德璋.建筑物單體震害預(yù)測新方法[J].北京工業(yè)大學(xué)學(xué)報(bào),2008,34(7):701 -707.
[2] 汪國良,包宇,肖林海,等.砌體及框架結(jié)構(gòu)建筑物震害評價(jià)與修正[J].土木工程與管理學(xué)報(bào),2011,28(3):50-54.
[3] 趙鳳新,任志林,張郁山.基于不同破壞指數(shù)的建筑物震害預(yù)測不確定性分析[J].中國地震,2008,24(4):325-336.
[4] 張秀彥,王志濤,朱慶杰.基于房屋普查數(shù)據(jù)的震害預(yù)測方法[J].河北理工大學(xué)學(xué)報(bào)(社會科學(xué)版),2006,6(2):193-196.
[5] 蘇原,王彬彬,趙勇強(qiáng)等.基于支持向量機(jī)的一般建筑震害預(yù)測方法研究[J].華中科技大學(xué)學(xué)報(bào)(城市科學(xué)版),2010,27(4):81 -85.
[6] 李黎,蘇原,葉昆等.武漢市城區(qū)一般建筑抗震性能評價(jià)及震害預(yù)測[J].華中科技大學(xué)學(xué)報(bào)(城市科學(xué)版),2010,27(4):78-80.
[7] 王景來.地震災(zāi)害損失快速評估新方法研究[J].地震研究,2000,23(3):356 -360.
[8] 王威,蘇經(jīng)宇,馬東輝,等.基于范例推理的城市建筑物震害預(yù)測方法研究[J].西安建筑科技大學(xué)學(xué)報(bào):自然科學(xué)版,2008,40(2):224 -230,237.
[9] 清華大學(xué),西南交通大學(xué),重慶大學(xué)等.汶川地震建筑震害分析及設(shè)計(jì)對策[M].北京:中國建筑工業(yè)出版社,2009.