[英语学习]毕设翻译.docVIP

地震引起的钢筋混凝土建筑物损坏分类 [摘要]地震灾害对钢筋混凝土建筑有着不同程度的损坏，因此对建筑物的损坏的分类和抗震风险评估提出了需要。本文利用报道地震损伤的数据和说明提出了八个不同的损伤统计分类技术：朴素贝叶斯法，k -最近邻法（kNN的），Fisher的线性判别分析法（FLDA），偏最小二乘判别分析法（PLSDA），多层感知器神经网络器法（MLP - NN的），分类树扫描法（CT），支持向量机法（SVM）和随机森林法（射频）。六幢楼宇及性能改性剂被认为在这个损坏的分类研究：数字地面以上的故事（N组），软层指数（SSI）的，过剩率（人力），最低归横向刚度指数（MNLSTFI），最小横向强度归指数（MNLSI）和归冗余评分（个）。结果表明所选择的统计方法的可行性和有效性以及进行混凝土建筑物的损害分类。 1.简介 从最近的报道损害全球的地震，例如，2008年中国四川大地震，2004年在印度尼西亚苏门答腊岛地震，2003年宾格尔土耳其地震，1994年美国北岭地震，强调对现有建筑物的抗震加固和执行的重要性漏洞。该建筑漏洞是由于旧建筑设计规范，设计不良做法和贫困代码执行。这些建筑大多是当前处于运行状态，需要进一步评估和升级，以最大限度地减少地震损害，提高生活安全。从一个城市管理者的决策角度来看，所有的建筑综合评价在经济上是可行的，从建筑物中筛选出缺陷也是可取的。 不同区域的地震易损性的筛检工具已经有所报道。在加州，一个计分法，首次提出在20世纪70年代中期，[8]，随后在80年代中期，专家得出损坏概率，并提出[4]一种快速目视检查技术（RVS）和三层的过程是由联邦紧急事务管理局154 [5]和联邦紧急事务管理局310 [3]。其他区域也报告估计损失在加拿大[26,27]和新西兰[28]。由于大量现有的脆弱的建筑物，改造优先采用以风险为本的抗震鉴定标准是可取的[14]。由于普遍存在的不确定性[39]对地震风险评估和决策的挑战是进一步加剧的。 地震危险性概率可以作为一个特定损失将超过给定的曝光时间在一些可量化的价值界定[13]。以风险为基础的抗震评估可以通过整合进行场地地震危险性，建筑物震害（失败的可能性）和重要性/曝光因子（失败的后果）。地震危险性，包括当地土壤条件，可相对容易地从现有的地震灾害图，并通过现场视察。同样，建筑物的重要性，可建立其使用和占用的相对容易。脆弱性评估涉及建设特点和条件的考虑，从而构成挑战。各种技术来评估建筑物震害评估和损失估计，不过，虽然类似的技术，不同的分类法的报告。报告的技术可分为[15.8]：经验/统计方法;启发式方法和分析/机械/理论方法。在次，其中存在的信息缺乏，这些方法的结合使用[19,11]。 该方法涉及建筑机械模型，考虑结构的动态特征，是最常用的预测为一个单一的结构破坏。他们的优势是，该方法与相关的抗震设计采用典型的物理参数，地震需求。然而，在钢筋混凝土建筑物建模的主要缺点是在计算模型的发展和努力所面临的挑战[37]。对现有数据缺乏和不完整的知识基础，例如，就必须使用启发式模型。启发式方法使用的工程师直观的认识。实证方法包括收集及相关地面运动和破坏信息。他们是根据建筑物在地震中受损的实地观察。该方法给出了一个具有类似的结构体系和建筑材料[8]建筑群的损伤率的平均值。因此，这种方法容易产生很大的不确定性。实证方法是合适的区域损害估计，但是，它不能为单个建筑用。 本文的目的是说明和比较不同分类技术的应用，使用改性剂和六个建筑性能数据[32]报道。这六个参数为：数量超出地面故事（N组），软层指数（SSI）的，过剩率（人力），最低归横向刚度指数（MNLSTFI），最低归横向强度指数（MNLSI）和归冗余评分（个）。这种破坏分类技术考虑的朴素贝叶斯，k -最近邻（kNN的），Fisher的线性判别分析（FLDA），偏最小二乘判别分析（PLSDA），多层感知器神经网络（MLP的，神经网络），分类树扫描（CT） ，支持向量机（SVM）和随机森林（射频）。分类的方法描述可以发现第2节。号。 [40]使用了多元统计判别分析技术。模型开发和验证于第三节。讨论可以发现在第4节。摘要载于第5。 2.破坏数据的分类 八个分类技术被认为损害了这项研究。这些技术包括朴素贝叶斯，k -最近邻，Fisher的线性判别分析，偏最小二乘判别分析，多层感知器神经网络，分类树，支持向量机，随机森林。特征向量由六个建筑性能修饰组成; 对应的是第3节中讨论的变量。所有特征向量的集合记为十五损伤状态的定义，即无（O），轻（L），中（M），重度（S）和塌陷（C），分别为。第五，每个类次是与一个判别函数，对每一分类技术简要介绍如下。对于深入讨论，读者可参考相关文献。 2