.png){kind=icon}
返回
Interpretable machine learning based tsunami bridge fragility assessment
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ijdrr.2025.105507.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于近期气候变化和全球变暖现象，沿海桥梁经常受到海啸灾害的影响。对这些桥梁进行风险评估对于合理的灾害管理和减轻工作至关重要。替代海啸需求模型（STDM）是简化易损性曲线开发过程的有用关系。本研究提出了一种基于机器学习（ML）的新型方法，用于开发海啸荷载下典型沿海桥梁的风险评估STDM，而非传统的蒙特卡洛模拟（MCS）方法。本研究采用了十二种机器学习模型来开发基于机器学习的替代海啸需求模型（MLSTDM）。随后使用表现最佳的模型创建了海啸易损性函数。结果表明，与MCS方法相比，所提出的MLSTDM能够在更少的模拟次数下准确估计易损性。此外，还采用SHAP（SHapley Additive exPlanations）分析来解释替代ML模型在预测海啸响应方面的性能。
Keyword:
Bridge
Tsunami fragility
Machine learning
SHAP analysis
Surrogate tsunami demand model
期刊
IF:
4.5
论文数:
6.1K
被引数:
2.1W
机构
引用论文
A parallel machine learning-based approach for tsunami waves forecasting using regression trees基于回归树的并行机器学习方法用于海啸波预测
OAAI
OAAI分享收藏A data-driven methodology for fragility assessment of hang-off deepwater drilling risers under emergency evacuation conditions一种基于数据驱动的水下悬持钻井隔水管在应急撤离条件下的易损性评估方法
PREAI
分享收藏New type fairings for mitigating tsunami force on bridge deck and new indicators for evaluating tsunami-resistant capability of fairings用于减轻海啸对桥梁桥面作用力的新型整流罩及评估整流罩抗海啸能力的新指标
PREAI
分享收藏Interpretable Ensemble-Machine-Learning models for predicting creep behavior of concrete用于预测混凝土蠕变行为的可解释集成机器学习模型
OAAI
OAAI分享收藏Probability-Based Assessment of Existing Concrete Bridges—Stochastic Resistance Models and Applications基于概率的既有混凝土桥梁评估——随机抗力模型及应用
PREAI
分享收藏Machine learning for structural engineering: A state-of-the-art review结构工程的机器学习: 最先进的评论.png)
STRUCTURES
STRUCTURESIF4.3
PREAI
分享收藏
查看更多内容