基于PSO-VM的城市桥梁群体震害预测模型研究.PDFVIP

第 12 卷 第 1 期 震灾防御技术 Vol. 12 ，No. 1 2017 年 3 月 Technology for Earthquake Disaster Prevention Mar. ，2017 王二涛，高惠瑛，孙海，王俊杰，2017 ．基于PSO-SVM 的城市桥梁群体震害预测模型研究 ．震灾防御技术，12 （1）：185—193． doi ：10.11899/zzf 基于 PSO-SVM 的城市桥梁群体 震害预测模型研究 王二涛 高惠瑛 孙 海 王俊杰 （中国海洋大学工程学院土木工程系，山东青岛 266100 ） 摘要 本文根据城市桥梁群体的实际震害资料数据，采用粒子群算法（PSO ）来优化支持向量机（SVM） 参数，选择影响桥梁震害等级的 8 个因素作为特征输入向量，充分用 2 种算法的优点建立 PSO-SVM 的 桥梁震害预测模型。通过比较 PSO-SVM 和 SVM 模型对桥梁震害的预测能力，发现 PSO-SVM 模型具 有较高预测精度和较高的推广价值。本文的研究成果对桥梁震害等级的预测具有一定的参考价值和指 导意义。 关键词：粒子群-支持向量机 支持向量机 桥梁 震害预测 引言 桥梁是为保证道路的连续性而专门建造的人工构筑物，也是城市生命线工程中极其重要 的一部分。随着我国国民经济的不断发展，桥梁已成为城市正常运行的不可或缺的建筑物。 我国是多地震国家，地震的突发性和强破坏性，往往给我国城市桥梁带来巨大的损害。桥梁 是城市生命线工程和城市交通系统的重要组成部分，在交通系统防震减灾工作中处于核心地 位（王东升等，2001 ），如果桥梁在地震中受到严重的破坏，将会严重阻碍地震应急和灾区的 救援，从而严重影响人们的生产生活和灾后的恢复重建工作。有效的桥梁震害预测可以提高 城市综合抗震救灾能力，为城市抗震防灾规划提供科学依据，因此具有重要的现实意义。 国内外对桥梁震害预测的方法主要有 4 类（王东升等，2001 ；2003 ；姜淑珍等，2004 ）： 经验统计法（包括久保庆三郎方法、日本土木工程学会方法、朱美珍方法、Buckle 方法、回归 统计法等），规范校核法，Pushover （推覆分析）法和大跨度桥梁定性与定量相结合的震害预测 方法。庄丽等（2007 ）基于VB 语言和经验统计公式对青岛市桥梁做出了震害预测，并将该方 法运用到青岛市地震应急指挥系统；柳春光等（2008 ）将遗传算法和BP 神经网络相结合，克 服了 BP 神经网络容易陷入局部最优、运算速度慢等弱点，建立了遗传优化 BP 神经网络的桥 梁震害预测方法；谭潇等（2013 ）用支持向量机（SVM）原理建立了桥梁震害评估的SVM 模 型，同时也证明了 SVM 模型对桥梁震害的预测优于基于人工神经网的预测模型。本文充分利 ［收稿日期］ 2016-04-25 ［作者简介］ 王二涛，男，生于 1990 年。在读硕士研究生。研究方向为基础设施工程管理与管理信息系统。 E-mail 163.com 186 震灾防御技术 12 卷 用粒子群算法和支持向量机的优点，借助 Matlab 软件和 Libsvm 工具箱，结合桥梁的震害影响 因素，建立基于PSO-SVM 的城市桥梁震害模型，使桥梁的震害预测方法更加完善和多元。 1 PSO 的基本知识 1.1 粒子群算法的基本原理 粒子群算法（Particle Swarm Optimization ，PSO ）是一种结构简单、易于实现、通用 的智能算法。通常粒子群（田雨波，2104 ）的数学描述为：假设在一个n 维的搜索空 间中由 m 个粒子组成的种群，其中第 i 个粒子位置 xi (xi , xi ,=…, xi m )T ，其粒子速度