买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏科技大学

摘要：本发明提供了一种基于遗传算法优化BP神经网络的建筑结构地震响应预测模型、优化方法及预测方法，所述优化方法：首先以23个地震动强度参数和2个工程需求参数作为BP神经网络的训练样本得到BP神经网络的建筑结构地震响应预测模型，在此基础上通过遗传算法优化BP神经网络。经优化后预测模型的地震响应预测结果与实际结构响应误差在5％以下。本发明考虑了多个地震动强度参数和多个工程需求参数的影响，基于遗传算法优化神经网络可以更好地预测地震响应，合理评估建筑结构在不同地震动作用下的损伤程度大小。

主权项：1.一种基于遗传算法优化BP神经网络的建筑结构地震响应预测方法，其特征在于，包括如下步骤：步骤1，基于强震数据库地震动记录，绘制每条地震动记录反应谱，并给出均值谱、中位值谱以及2.5％和97.5％分位值反应谱；步骤2，建立建筑结构的非线性有限元分析模型，并以选取的地震动记录为输入，对建筑结构进行非线性动力分析，获得工程需求参数；所述建立建筑结构的非线性有限元分析模型的具体方法为：基于OpenSees平台建立钢筋混凝土框架结构的非线性有限元分析模型,用集中塑性铰单元对梁和柱的弯曲性能进行建模；在塑性铰区域之外，采用弹性梁柱单元描述材料的行为；步骤3，根据建筑结构非线性动力分析结果，选取23个地震动强度参数和2个工程需求参数作为训练数据，基于BP神经网络训练数据样本，给出基于BP神经网络的地震响应预测模型；步骤4，基于遗传算法优化BP神经网络：首先将上述基于BP神经网络的地震响应预测模型的输入和输出样本集进行训练，最终确定网络权重的编码，给出个体位串的长度，通过编码映射来确定一组权重与遗传空间个体位串的关系，通过设置遗传参数及自适应调整算法来进行遗传操作，并随机产生N个初始群体，对种群的每一个体位串进行编码，获得N组网络权重；然后，根据适应度函数对N组网络进行评价，将训练样本的均方误差作为适应度函数的衡量标准，计算每条染色体的适应度值；再根据适应度在遗传空间进行优选操作，根据优胜劣汰原则，将适应度函数值大的个体进入到下一代，利用交叉、变异对当前群体进行处理，并产生下一代群体，通过重复以上算法进行迭代得到新一轮群体，直到训练目标满足终止条件为止，即得到一组优化的权重；最后，将这组优化后的网络权重作为神经网络的新权重输入到BP神经网络中，得到遗传算法优化后的地震响应预测模型，以23个地震动强度参数作为模型的输入，预测建筑结构的2个工程需求参数；所述步骤4的具体步骤如下：1归一化训练样本：使用最大最小归一化方法进行归一化，归一化公式如下： 2初始化BP神经网络：根据样本的输入输出确定网络的拓扑结构，确定隐含层节点数、激活函数、训练函数；3随机产生初始种群，随机生成初始权重和阈值；神经网络的输入层节点数为n，输出层节点数为k，隐含层节点数为m，通过下式确定染色体编码长度L：L＝n×m+m×k+m+k4确定适应度函数：计算初始种群个体的目标函数值以及每个个体的适应度值；将训练样本的均方误差作为适应度函数的衡量标准，其表达式为： 式中，yj和分别代表第j个训练样本的实际值和预测值，N代表训练样本数；5对种群实施选择、交叉和变异的遗传操作：使用几何规划排序选择概率p1筛选出一部分个体作为父代，记录适应度最高的个体编码；将网络各层的权重和阈值作为交叉操作的父代，通过实数交叉法将选择的父代以交叉概率p2来产生新的后代；新产生的个体通过非均匀变异算法以一定的变异概率p3发生变异，变异后的个体权重和阈值发生随机变化，若性能优于父代，则变异结束；6迭代优化：如果子代的最佳适应度优于父代，则更新最佳适应度，否则，保持不变；7迭代终止条件：若小于最终迭代次数，产生新的种群，继续分配权重和阈值给BP神经网络，重复4到6；当满足终止条件时，获得最优初始权重和阈值；8最终模型生成：若达到训练次数或精度要求，则算法成功结束，返回全局最优解；否则，将误差反向传播给BP神经网络更新权重和阈值，继续重复以上步骤直至生成最优解，保存最终的权重、阈值以及相关参数，得到优化后的BP神经网络模型。

全文数据：

权利要求：

百度查询： 江苏科技大学 基于遗传算法优化BP神经网络的建筑结构地震响应预测方法