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

引用

科学网

1.

https://news.sciencenet.cn/htmlpaper/2024/11/20241129111444475124750.shtm

近年来，随着全球自然灾害频发，建筑结构的安全性与灾后损伤评估成为城市安全的重要课题。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，相比传统的有限元分析，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。

研究背景与挑战

建筑结构作为人类生活的重要场所，其结构健康状况与灾后损伤情况的精准预测对确保城市安全至关重要。然而，传统的建筑结构响应预测方法主要依赖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，单次计算往往需要数小时甚至数天，难以满足快速决策的需求。

创新方法：Phy-SeisFormer模型

针对上述挑战，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

实验验证与性能评估

研究团队在两个实际建筑结构上验证了该方法的有效性：

1. 一个11层钢筋混凝土不规则结构
2. 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。此外，通过消融试验验证了模型中各个模块的有效性。

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

该研究提出的实时预测方法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，该方法也存在一定的局限性：

1. 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
2. 目前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。

本文原文来自Sciencenet.cn