基于高斯过程回归的建筑物震陷量预测模型

摘要：

城市抗震防灾系统是一个复杂开放巨系统,系统中由于灾情的动态演化导致的建筑物震陷量形成机理也日趋复杂.根据高斯过程理论和贝叶斯规则,对训练样本进行的"归纳推理学习",即综合先验信息,调整各随机变量的后验分布,进而提出基于高斯回归过程的建筑物震陷量非线性预测模型.采用EP(expectation propagation)算法获得预测样本潜在函数的近似后验高斯分布,并对其超参数和协方差函数的选择进行了探讨,利用LSSVM(least square support vector machine)模型、PLS(partial least squares)模型和MLR(multiple linear regression)模型等统计模型对建筑物实测震陷样本进行预测训练,通过模型的交叉验证分析及建模参数详细对比分析,验证了预测模型的科学性和可靠性,可为城市抗震防灾决策提供借鉴.

关键词：抗震防灾、建筑物震陷、高斯回归、统计建模

所属期刊栏目：20

分类号：X43P315;P315(自然灾害及其防治)

资助基金：河南省重点研发科技攻关项目;河南省高等学校重点科研项目;国家自然科学基金面上项目

在线出版日期：2020-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：6666-6671