同济大学提出建筑结构实时响应智能预测方法，实现计算速度超万倍提升
同济大学提出建筑结构实时响应智能预测方法，实现计算速度超万倍提升
近年来，自然灾害频发对建筑安全提出了更高要求。同济大学周颖研究团队在《Engineering》期刊上发表最新研究成果，提出了一种基于深度学习的建筑结构响应实时预测方法，相比传统有限元分析方法，该方法在保证计算精度的同时，实现了计算速度的超万倍提升。
研究背景与意义
建筑结构作为人类生活的重要场所，在抵御自然灾害中发挥着关键作用。然而，传统的建筑结构响应预测方法通常需要进行复杂的非线性有限元计算，存在计算量巨大、时效性差等问题，难以满足快速预测与决策的需求。
创新方法与技术突破
针对上述问题，同济大学周颖研究团队提出了一种基于物理信息引导深度学习的建筑响应实时预测方法。该方法的核心是Phy-SeisFormer模型，它结合了自回归式迭代预测方法和自注意力机制，能够实现地震作用下建筑结构多节点响应的实时预测。
图1 Phy-SeisFormer模型结构图
图2 SeisBlock模块、多头线性自注意力机制、前馈模块的结构图
实验验证与性能表现
研究团队在两个实际建筑结构上进行了试验验证：一个11层钢筋混凝土不规则结构和一个21层钢筋混凝土框架结构。实验结果表明，Phy-SeisFormer模型在保持极高预测精度的同时，预测速度比有限元计算快13000倍。
图3 11层钢筋混凝土结构：(a) 建筑图片；(b) 有限元模型图
应用前景与局限性
该研究成果在灾区损伤快速评估、应急救援以及韧性评估等方面具有重大应用前景。然而，该方法目前仍存在一些局限性：
- 有限元计算结果作为真实响应进行学习，与实际建筑性能可能存在差异
- 尚不具备建筑之间的迁移能力，难以应对建筑群响应预测任务
未来研究方向包括优化数据质量、提高模型迁移能力，以推动该技术在韧性安全城市评价中的实际应用。
参考文献
Physics-Informed Deep Learning-Based Real-Time Structural Response Prediction Method
作者：Ying Zhou, Shiqiao Meng, Yujie Lou, Qingzhao Kong
论文链接：https://doi.org/10.1016/j.eng.2023.08.011
本文原文来自Engineering