Seismic response prediction of structures based on Runge-Kutta recurrent neural network with prior knowledge

人工神经网络 稳健性(进化) 龙格-库塔方法 非线性系统 计算机科学 计算机模拟 桥(图论) 数值分析 噪音(视频) 结构工程 工程类 控制理论(社会学) 算法 人工智能 模拟 数学 物理 内科学 图像(数学) 数学分析 基因 医学 量子力学 化学 生物化学 控制(管理)
作者
Tianyu Wang,Huile Li,Mohammad Noori,Ramin Ghiasi,Sin‐Chi Kuok,Wael A. Altabey
出处
期刊:Engineering Structures [Elsevier]
卷期号:279: 115576-115576 被引量:20
标识
DOI:10.1016/j.engstruct.2022.115576
摘要

In the seismic analysis of structural systems, dynamic response prediction is an essential problem and is significant in every stage during the structural life cycle. Conventionally, response analysis is carried out by numerical analysis. However, when the structural parameter is unknown, the establishment of a numerical model will be difficult. Enlightened by the Runge-Kutta (RK) numerical algorithm, this paper proposes a novel recurrent neural network named Runge-Kutta recurrent neural network (RKRNN) to realize the seismic response prediction. A partition training strategy is formulated to train the proposed neural network and to improve the efficiency of training. The proposed model can be trained by using a limited number of samples. Three numerical examples are utilized to validate the feasibility of RKRNN model including a linear three degrees of freedom (DOFs) system, a nonlinear single DOF system with Bouc-Wen hysteresis, and a numerical reinforced concrete bridge model. Additionally, the site monitoring data from a real-world bridge is utilized to further validate the proposed network. The results show that the proposed RKRNN model can effectively and efficiently predict the structural response under seismic load and exhibits robustness to noise, with good potential for applications in engineering practice.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
123发布了新的文献求助10
5秒前
科目三应助科研通管家采纳,获得10
7秒前
bkagyin应助科研通管家采纳,获得10
7秒前
zi应助科研通管家采纳,获得100
7秒前
小二郎应助科研通管家采纳,获得10
7秒前
劲秉应助科研通管家采纳,获得10
7秒前
烟花应助科研通管家采纳,获得10
7秒前
共享精神应助科研通管家采纳,获得10
7秒前
大大蕾完成签到 ,获得积分0
8秒前
dzc完成签到,获得积分10
14秒前
15秒前
16秒前
17秒前
19秒前
C哥完成签到,获得积分10
19秒前
19秒前
21秒前
无名老大应助义气的妙松采纳,获得20
21秒前
xiaopingbing完成签到 ,获得积分10
23秒前
哈哈哈发布了新的文献求助10
24秒前
高大凌寒完成签到,获得积分10
25秒前
26秒前
ramsdale发布了新的文献求助10
26秒前
26秒前
26秒前
29秒前
春老头发布了新的文献求助20
30秒前
TheDing完成签到,获得积分10
31秒前
宁Ning发布了新的文献求助10
31秒前
大喜发布了新的文献求助80
33秒前
xchqb发布了新的文献求助10
34秒前
哈哈哈完成签到,获得积分20
34秒前
36秒前
41秒前
43秒前
bias完成签到,获得积分10
44秒前
科研通AI2S应助onedowmsk采纳,获得10
45秒前
科研通AI2S应助春老头采纳,获得10
45秒前
49秒前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2000
Very-high-order BVD Schemes Using β-variable THINC Method 1200
中国荞麦品种志 1000
BIOLOGY OF NON-CHORDATES 1000
进口的时尚——14世纪东方丝绸与意大利艺术 Imported Fashion:Oriental Silks and Italian Arts in the 14th Century 800
Autoregulatory progressive resistance exercise: linear versus a velocity-based flexible model 550
The Collected Works of Jeremy Bentham: Rights, Representation, and Reform: Nonsense upon Stilts and Other Writings on the French Revolution 320
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 细胞生物学 免疫学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3358993
求助须知:如何正确求助?哪些是违规求助? 2982031
关于积分的说明 8701629
捐赠科研通 2663636
什么是DOI,文献DOI怎么找? 1458557
科研通“疑难数据库(出版商)”最低求助积分说明 675164
邀请新用户注册赠送积分活动 666231