Deep neural network‐based regional seismic loss assessment considering correlation between EDP residuals of building structures
Notice bibliographique
Résumé
Abstract Regional seismic loss assessment is essential for developing an emergency response plan in the event of an earthquake, which can reduce casualties and socioeconomic losses in an urban community. The uncertainties and correlations of structures’ engineering demand parameters (EDP) should be adequately considered to evaluate the community‐level seismic risk. Recently, the authors proposed an incremental dynamic analysis‐based method and regression‐based models to estimate the variances and correlations of residuals in EDP termed “EDP residuals.” The quantified uncertainties of the EDP residuals facilitate the accurate evaluation of the regional seismic performance. Still, the computational cost required in the estimation process makes its application a challenge. This study proposes two frameworks for regional seismic loss assessment based on deep neural networks (DNNs) to extend the applicability of EDP residual estimation and improve its accuracy. The first framework estimates the EDP residuals of buildings by combining the EDP residuals of various single‐degree‐of‐freedom (SDOF) systems through the modal combination rules. Three DNN models are constructed to predict the EDP residuals of SDOF systems. The second framework predicts the EDP residuals of buildings directly using two DNN models. The proposed frameworks are verified by numerical examples of regional seismic loss assessment, for which time history‐based “exact” solutions exist. The supporting source code, data, and trained models are available for download at https://github.com/TyongKim/EDP_residual . Highlights The importance of considering EDP residual correlation in seismic system reliability analysis is demonstrated. Two DNN‐based frameworks are developed to estimate EDP residuals of building structures. Modal combination rule is employed to utilize EDP residuals of SDOF systems representing structural modes. DNN models are constructed to predict EDP residuals of SDOF and MDOF systems. Accuracy and applicability of DNN‐based frameworks are successfully demonstrated by example of regional seismic loss assessment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».