基于K近邻算法的钢筋混凝土柱地震破坏模式判别方法

摘要：

钢筋混凝土(reinforced concrete,RC)柱在地震力的作用下会发生不同的破坏模式,不同的破坏模式会有不同的损伤特点.所以,有必要针对不同地震破坏模式提出有效的判别方法.首先基于合成少数过采样技术(synthetic minority over-sam-pling technique,SMOTE)算法使数据样本达到均衡,其次根据编辑近邻(edited nearest neighbours,ENN)算法,筛选了判别弯曲破坏和非弯曲破坏、弯剪破坏和剪切破坏的最佳参数;再次通过TomekLinks算法合理剔除噪声样本重构均衡数据,最后基于K-近邻(K-nearest neighbor,KNN)算法建立了两阶段KNN模型,达到了准确判别RC柱地震破坏模式的目的,并通过与传统KNN模型、传统经验方法进行对比分析,验证了模型的优异性.研究结果表明:该方法通过选取筛选最佳参数,在提高判别准确率的同时简化了传统机器学习判别模型;所提出的两阶段KNN模型对 3 种破坏模式的判别准确率均可达 90%以上;比传统KNN模型及传统经验法弯剪破坏模式的判别准确率有较大提升,对于弯曲破坏模式和剪切破坏模式的判别准确率也有一定程度提升;比传统KNN模型整体高10%左右,比传统经验判别方法整体高20%左右.

关键词：地震工程、钢筋混凝土柱、破坏模式判别、KNN算法

所属期刊栏目：23

分类号：TU375.3(建筑结构)

资助基金：河南自然科学基金222300420415

在线出版日期：2023-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：10910-10917