Explainable machine learning based seismic response prediction for eccentric bottom frame structures

Zhang Ge

doi:10.1016/j.istruc.2026.111798

Explainable machine learning based seismic response prediction for eccentric bottom frame structures

2026-04-06

0

PRE

AI

DOI：10.1016/j.istruc.2026.111798

原文链接

原文求助

摘要

En 中文

底层框架结构在中国中小城市中较为常见。这些结构通常在低层采用框架和抗震墙系统，而在上层采用砌体承重系统。刚度和质量分布的不规则性使其容易产生扭转响应和薄弱层破坏，而有限的现场观测阻碍了可靠的损伤预测。本研究提出了一种可解释框架，结合了有限元分析（FEA）和机器学习（ML）。对113个具有不同层间刚度比和前两层双向偏心距的有限元模型进行了非线性时程分析，得到339个响应样本。考虑了7个输入参数：设防烈度、层间刚度比、PGA以及第一层和第二层的X方向和Y方向偏心距。预测了2个输出结果，即底层框架层和砌体层的层间位移角。在嵌套交叉验证下，使用树状帕森估计器优化（TPE）对5种ML模型进行了调优。CatBoost在底层框架层表现最佳，而LightGBM在砌体层取得了最佳结果。我们采用条件CV+合资格预测来量化预测的不确定性；只有强度8子集未达到名义覆盖率（90%）。具体而言，X方向偏心距与底层框架层的预测区间宽度强相关，而PGA与砌体层的预测区间宽度也表现出类似的强相关性。通过提供互补的全局和局部见解，SHAP和LIME揭示了与预期结构响应机制物理一致的归因模式。

Keyword:

Bottom frame structures

Seismic response prediction

Machine learning

Inter-story drift ratio

Structural irregularity

Explainable machine learning based seismic response prediction for eccentric bottom frame structures

摘要

期刊

机构

引用论文