Scidown文献预览系统!
一种利用地震动时频分布快速评估区域震后损伤的深度学习方法( A deep learning approach to rapid regional post‐event seismic damage assessment using time‐frequency distributions of ground motions )
X Lu Y Xu Y Tian B Cetiner E Taciroglu convolutional neural network (CNN) real‐time seismic damage prediction time‐frequency distribution (TFD)
每年,地震都在世界范围内造成严重的经济损失和大量的人员伤亡。在限制这些极端事件后发生的损失方面,及时和准确地评估地震损害和动员相应的排气后救灾努力发挥了关键作用。传统的ON:ITE调查通常会导致长时间的评估窗口。有几种计算方法可以解决传统方法的缺点。基于预先计算的易损性库的震害估计可以提供近实时的震害量化,但目前的估计方法较为粗略,且存在较大的不确定性。基于非线性时间序列分析的地震反应估计方法可以更详细地模拟地震反应,但由于计算和数据要求,在区域尺度上的应用具有挑战性。基于这一观点,本文提出了一种基于卷积神经网络(CNN)的区域喷口震害快速评估方法。在这种方法中,建筑物的清单、预期的地面运动数据集和一个区域的相应破坏水平被合并到一个场景库中。建立了地震动时频分布图,可直观地反映地震动的频域特征和时域特征。然后利用这些数据训练CNN模型,从而预测损伤状态。通过两个数值研究验证了所提出的方法,一个是单个建筑物的数值研究,另一个是区域的数值研究,涉及清华大学校园内的建筑物。结果表明,该方法在近实时的情况下具有足够的预测精度。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】