首页/文章/ 详情

RED-ACT |3月26日河北廊坊4.2级地震破坏力分析

1天前浏览17

Real-time Earthquake Damage Assessment using City-scale Time history analysis 

(RED-ACT)

致谢和声明:

       感谢中国地震台网中心为本研究提供数据支持。本分析仅供科研使用,具体灾情和灾损分析应根据现场调查情况确定。


一、地震情况简介

    据中国地震台网正式测定,3月26日1时21分在河北廊坊市永清县发生4.2级地震,震源深度20公里,震中位于北纬39.42度,东经116.60度。。


二、强震记录及分析

      20250326河北廊坊4.2级地震获得了40组地震动,由于地震动没有完全收集,可能还有更强的记录。典型地震记录分析如下:

TJ.PD001典型站位置北纬39.45度,东经116.84度,记录到水平向地震动峰值加速度为49.2 cm/s/s。该地震动及反应谱如图1、图2所示。  

(a) EW

 

(b) NS

 

(c) UD


图1 典型台站地面运动记录

 

图2  典型台站典型记录反应谱


三、地震动对典型城市区域破坏能力分析

根据中国地震学会标准《基于强震动记录的地震破坏力评估T/SSC 1—2021》(参阅新标准发布 :基于强震动记录的地震破坏力评估),利用密布强震台网在震后获取的实时地震动信息,再结合城市抗震弹塑性分析,就可以得到地震发生后不同地点的建筑破坏情况,为抗震救灾决策提供科学支撑。图3为根据本次地震震中附近范围内台站记录分析得到的建筑震害分布示意图。图4为根据本次地震震中附近范围内台站记录分析得到的人员加速度感受分布示意图。

 

 
图3 不同台站地震记录破坏力分布图

(建筑抗震承载力取均值加一倍方差)


 
 

图4 不同台站地震记录人员加速度感受分布图

(建筑抗震承载力取均值加一倍方差)


四、台站附近地震滑坡分析

根据当地地形数据、岩性数据和实测地面运动记录,可以计算得到不同滑坡体饱和比例下的滑坡分布,如图5所示。其中,底图为当地坡度分布图,每个圆圈代表每个台站的计算结果,圆圈中的数字代表发生滑坡的临界坡度,台站附近坡度大于该数值的地方滑坡发生概率高。

 

(a)滑坡体饱和比例为 0%

 

(b)滑坡体饱和比例为50%

 

(c)滑坡体饱和比例为 90%

图5 不同台站附近地震滑坡分布


五、地震动对典型单体结构破坏能力分析

(1) 对典型多层框架结构破坏作用

模型1:三层框架结构(感谢中国建筑设计研究院王奇教授级高工提供模型)

       将典型台站记录输入立面布置如图6(a)所示的6度、7度和8度设防的典型三层钢筋混凝土框架结构,得到其层间位移角包络如图6(b)所示。

   
   

(a)立面布置示意图           (b)层间位移角

图6 典型三层钢筋混凝土框架结构


(2) 对典型砌体结构破坏作用

模型1:单层未设防砌体结构

       选取图7所示纪晓东等开展的单层未设防砌体结构振动台试验模型,输入典型台站记录,分析结果表明该结构将处于完好状态。(纪晓东等,北京市既有农村住宅砖木结构加固前后振动台试验研究,建筑结构学报,2012,11,53-61.)

 

图7 单层三开间农村住宅砖木结构振动台试验


模型2:五层简易砌体结构

       选取图8所示朱伯龙等开展的五层简易砌体结构足尺试验模型,输入典型台站记录,分析结果表明该结构将处于完好状态。(朱伯龙等,上海五层砌块试验楼抗震能力分析,同济大学学报,1981,4,7-14.)

   
   

(a)平面图                        (b)剖面图

图8 五层简易砌体结构布置


(3) 对典型桥梁破坏作用

模型1:某80年代公路桥梁(感谢福州大学谷音教授提供模型)

       选取图9所示某80年代公路桥梁模型,输入典型台站记录,分析结果表明该结构将处于完好状态。

 

图9 某80年代公路桥梁模型


模型2:某特大桥引桥(感谢福州大学谷音教授提供模型)

       选取图10所示某特大桥引桥模型,输入典型台站记录,分析结果表明该结构将处于完好状态。

 

图10 某特大桥引桥模型


 
 


 
 

---End---      

来源:陆新征课题组

ACT振动非线性化学建筑消防BIMOpensees材料科普数字孪生控制试验人工智能
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2025-04-02
最近编辑:1天前
地震那些事
博士 抗震防灾数值模拟仿真
获赞 82粉丝 61文章 586课程 0
点赞
收藏
作者推荐

建筑结构的墙-梁协同训练 | 新论文:基于图神经网络的剪力墙结构墙-梁布置方案联合设计方法

论文:Intelligent co-design of shear wall and beam layouts using a graph neural networkDOI:https://doi.org/10.1016/j.autcon.2025.106024 0太长不看版 提出了一种基于图神经网络(GNN)的剪力墙与梁联合智能设计方法,以解决现有方法中剪力墙和梁独立设计时忽略两者耦合关系的问题。首先,构建了一种建筑-剪力墙-梁联合图(Graph)表征方法,构建建筑构件输入和剪力墙-梁输出图谱;采用Graph-SAGE算法学习拓扑特征,实现剪力墙和梁的同步生成;最后结合工程经验规则对生成结果进行后处理优化。实验表明,该方法显著提升了设计效果,剪力墙和梁的交并比(IoU)较现有独立设计方法分别提高14.9%和35.6%,且结构力学性能指标优于传统方法,验证了其在协同优化与工程实用性上的优势。该方法为建筑结构多类构件耦合设计提供了高效解决方案。 1研究背景 在高层住宅的设计中,剪力墙和梁就像是建筑中的“腿”和“手臂”。传统上,工程师们需要手动设计这些结构,这不仅耗时,还容易出错。而现有的AI设计工具,虽然能帮忙,但每次只能单独设计剪力墙或梁,就像在健身时只练手臂或只练腿,忽略了全身的协调性。比如,AI单独设计梁时,可能会设计出“中间没有剪力墙支撑的过长梁”,这就像是让手臂承担了过多的重量,导致手臂过于粗壮,影响了整体的美观和功能。为了解决这个问题,我们的研究提出了一种新方法——使用图神经网络(GNN),让AI像一位经验丰富的健身教练,能够同时设计剪力墙和梁,确保“骨架”和“肌肉”的协调。通过分析大量真实的设计图纸数据,并结合工程经验规则优化细节,我们最终实现了墙-梁布置的协同设计。这种方法不仅解决了传统AI“单线程”设计的缺陷,还使得结构更加合理,设计效率大幅提升。就像是在健身中加入全身协调训练,我们的方法让建筑结构设计更加高效和精准。 联合生成:同时锻炼不同部位2核心技术关键方法1:联合墙-梁图表征方法将建筑平面中的剪力墙、梁、门窗、建筑墙等组件统一表示为图结构数据,用“节点”表示连接点,“边”表示构件(如墙、梁)。剪力墙和梁的布置设计整合到同一图,通过拓扑关系直接反映两者的相互影响,避免传统独立设计导致的冲突。 关键方法2:潜在梁自动生成规则预先在建筑空间中生成可能的梁布置位置(即“潜在梁”),为AI提供设计基准线,提升AI生成梁的合理性,避免在无意义位置布置梁。 关键方法3:多维度图特征设计节点特征:包含位置坐标、连接构件类型(如建筑墙、门窗)等信息。边特征:记录构件类型(One-hot编码)、长度、相对位置等。让AI不仅能识别构件位置,还能理解构件类型、连接关系和空间分布。 关键方法4:基于Graph-SAGE的联合预测模型模型核心:采用Graph-SAGE算法(擅长提取拓扑关系),通过多层聚合节点和边特征,预测每条边应布置剪力墙、梁或留空。 3案例分析以一个25层的剪力墙住宅结构为例,采用本研究提出的方法在20-30秒内即可完成剪力墙和对应梁结构的生成。基于AI生成的结构图,通过API接口自动布置楼板、加载荷载,并联动PKPM完成建模分析,全程无需人工干预。 与人工设计方法和先后设计剪力墙-梁的方法相比,本研究采用方法的核心优势在于:(1)协同设计提升性能:AI联合设计相比GNN先后设计的剪力墙和梁在多个力学指标上占优。(2)效率与合规性兼顾:AI生成方案在1分钟内完成合规设计(人工方法需30分钟以上),且力学指标均满足规范。(3)更接近于工程师设计结果。 下图展示了在多个案例中,基于墙-梁联合生成算法生成的剪力墙和梁IoU计算统计图。统计案例的平均值大于0.5,表明联合生成的构件布置接近工程师设计水平。 4结语本研究提出的基于图神经网络(GNN)的剪力墙与梁协同设计方法,通过耦合墙-梁布置的Graph表示和Graph-SAGE算法,联合生成结构布局,结合规则编码优化策略,显著提升剪力墙和梁的设计质量,欢迎各位专家批评指正!联络邮箱: 廖文杰:liaowj@swjtu.edu.cn夏吉康:xiajk24@mails.tsinghua.edu.cn---End---来源:陆新征课题组

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈