在地震頻發(fā)地區(qū)，建筑的抗震性能評估是保障安全的關(guān)鍵。偏心支撐框架（EBFs）作為一種常見的抗震結(jié)構(gòu)，其核心“減震部件”——剪切連梁的性能存在諸多不確定性：材料強(qiáng)度波動、加工誤差、長期使用中的性能退化……這些“不確定因素”像隱藏的“地震風(fēng)險(xiǎn)盲盒”，直接影響建筑在強(qiáng)震中的表現(xiàn)。我國及海外科研團(tuán)隊(duì)在《Frontiers of Structural and Civil Engineering》上發(fā)表的一項(xiàng)研究，用“耐力時(shí)間法+AI模型”的組合，為破解這一難題提供了新思路。

地震評估的“甜蜜煩惱”：不確定性與計(jì)算量的雙重挑戰(zhàn)

傳統(tǒng)的抗震性能評估依賴“增量動力分析（IDA）”，即通過反復(fù)調(diào)整地震波強(qiáng)度，模擬建筑從彈性變形到倒塌的全過程。但這種方法計(jì)算量極大——一個(gè)4層建筑的評估可能需要數(shù)百次非線性時(shí)程分析，耗時(shí)耗力。更棘手的是，剪切連梁的行為參數(shù)（如預(yù)壓轉(zhuǎn)動能力θp、后壓強(qiáng)度退化參數(shù)λc等）本身存在不確定性，這些“變量”會像“蝴蝶效應(yīng)”般放大評估誤差，傳統(tǒng)方法難以高效量化其影響。

耐力時(shí)間法+AI模型：給地震模擬“開加速鍵”

研究團(tuán)隊(duì)提出了一套“組合拳”：首先用“耐力時(shí)間法（ET）”替代傳統(tǒng)的IDA。這種方法通過持續(xù)增強(qiáng)的地震動（類似“逐漸加大力度搖晃建筑”），一次性獲取建筑在不同地震強(qiáng)度下的響應(yīng)數(shù)據(jù)，將計(jì)算量降低數(shù)倍。但ET法只能提供基礎(chǔ)數(shù)據(jù)，如何高效處理其中的不確定性？團(tuán)隊(duì)引入了“徑向基函數(shù)網(wǎng)絡(luò)（RBF）”——一種能快速學(xué)習(xí)輸入輸出關(guān)系的AI模型，用它替代復(fù)雜的有限元計(jì)算，將“不確定參數(shù)”與“結(jié)構(gòu)響應(yīng)”的關(guān)系“打包”成數(shù)學(xué)公式。

為驗(yàn)證方法，團(tuán)隊(duì)以一個(gè)4層EBF建筑為模型，首先通過“單變量敏感性分析”篩選出影響最大的6個(gè)剪切連梁參數(shù)（如θp、θpc等），排除了對結(jié)果影響較小的參數(shù)。接著，用“相關(guān)拉丁超立方采樣（CLHS）”生成200組參數(shù)組合，模擬不同不確定性場景下的結(jié)構(gòu)響應(yīng)。最后，用這些數(shù)據(jù)訓(xùn)練RBF模型，使其能快速預(yù)測任意參數(shù)組合下的結(jié)構(gòu)風(fēng)險(xiǎn)。

實(shí)驗(yàn)結(jié)果：誤差4%內(nèi)，效率提升數(shù)倍

測試顯示，這套方法的評估結(jié)果與傳統(tǒng)CLHS方法高度吻合：關(guān)鍵參數(shù)（如地震動中位數(shù)Samed和離散度β）的預(yù)測誤差不超過4%。更重要的是，AI模型將計(jì)算量從200次非線性分析（每次需數(shù)小時(shí)）壓縮到“秒級”預(yù)測，大幅降低了工程應(yīng)用門檻。

研究還發(fā)現(xiàn)，考慮剪切連梁的不確定性后，建筑在“生命安全（LS）”和“防止倒塌（CP）”性能水平下的地震風(fēng)險(xiǎn)顯著上升：LS級別的地震動中位數(shù)下降4%，離散度增加17%；CP級別的中位數(shù)下降5%，離散度增加20%。這意味著，若忽略這些不確定性，可能高估建筑的實(shí)際抗震能力。

從實(shí)驗(yàn)室到工程：還有多遠(yuǎn)？

盡管方法高效，但研究也指出其局限性：當(dāng)前的耐力時(shí)間法對地震動離散度（RTR變異性）的估計(jì)誤差約50%，需進(jìn)一步優(yōu)化地震波生成技術(shù)；此外，AI模型的泛化能力依賴大量訓(xùn)練數(shù)據(jù)，小樣本場景下的準(zhǔn)確性仍需驗(yàn)證。

未來，隨著地震波數(shù)據(jù)庫的完善和AI模型的迭代，這種“ET+AI”的組合可能成為工程抗震評估的“標(biāo)配”——從建筑設(shè)計(jì)階段的風(fēng)險(xiǎn)預(yù)判，到既有建筑的安全評級，為地震高發(fā)區(qū)的“韌性城市”建設(shè)提供更可靠的技術(shù)支撐。

來源: FrontCIVlL