[发明专利]一种基于深度神经网络的钢筋混凝土矩形柱破坏模式预测方法

权利要求书

1.一种基于深度神经网络的钢筋混凝土矩形柱破坏模式预测方法，其特征在于：包括如下步骤：

步骤一：针对低周往复载荷下的钢筋混凝土矩形截面柱，创建并应用网络爬虫方法，构建试验数据库；

步骤二：根据试验数据库中设计参数之间相关性，通过无量纲化处理，确定用于破坏模式预测的输入变量及对应输出变量；

步骤三：读取试验数据库，进行数据预处理，搭建并训练深度神经网络模型；

步骤四：基于测试集数据，通过已训练的深度神经网络模型，预测钢筋混凝土矩形柱的破坏模式。

2.根据权利要求1所述的一种基于深度神经网络的钢筋混凝土矩形柱破坏模式预测方法，其特征在于：

所述步骤一中，网络爬虫方法具体包括：

步骤1.1：获取太平洋地震工程研究中心结构信息数据库的网址ID编号；

步骤1.2：定义初始网址页面的统一资源定位符URL，根据网址ID编号，拼接生成新的URL地址；

步骤1.3：构建用户代理池，重构请求头，创建请求对象，发送请求，获取响应对象，提取响应信息；

步骤1.4：定义所需设计参数、加载条件、破坏模式的正则表达式，生成正则表达式对象，并匹配目标字符串内容，得到所需要的数据信息；

步骤1.5：以CSV格式保存数据至指定目录下，并按照要求将数据转化为XLSX，生成试验数据库表格。

3.根据权利要求1所述的一种基于深度神经网络的钢筋混凝土矩形柱破坏模式预测方法，其特征在于：

所述步骤二中，输入变量包含：

1)跨高比H/h，即柱计算高度H与截面深度h之比值；

2)轴压比N/f_cA，即柱轴向压力N与混凝土抗压强度f_c和柱截面面积A乘积之比值；

3)纵筋配筋系数ρf_y/f_c，即柱纵筋配筋率ρ和纵筋抗拉强度f_y乘积与混凝土抗压强度f_c之比值；

4)箍筋配筋系数ρ_svf_yv/f_t，即柱箍筋配筋率ρ_sv和箍筋抗拉强度f_yv乘积与混凝土抗拉强度f_t之比值。

所述步骤二中，输出变量包含：

1)弯曲破坏模式，记为整形变量0；

2)剪切破坏模式，记为整形变量1；

3)弯-剪破坏模式，记为整形变量2。

4.根据权利要求1所述的一种基于深度神经网络的钢筋混凝土矩形柱破坏模式预测方法，其特征在于：所述步骤三中，数据预处理具体包括：

步骤3.1.1：将数据组中破坏模式所对应的字符串转化为整形数；

步骤3.1.2：删除数据组中的“破坏模式”所对应的列数据，生成新的数据组；

步骤3..1.3：对新数据组中所有数据，进行归一化处理；

步骤3.1.4：按照训练集∶测试集＝3∶1的比例对数据进行划分，并将所有数组数据转化为张量。

5.根据权利要求1所述的一种基于深度神经网络的钢筋混凝土矩形柱破坏模式预测方法，其特征在于：

所述步骤三中，搭建深度神经网络模型的步骤如下：

步骤3.2.1：建立隐藏层1，设置输入神经元个数为4，输出神经元个数为128；

步骤3.2.2：建立隐藏层2，设置输入神经元个数为128，输出神经元个数为256；

步骤3.2.3：建立隐藏层3，设置输入神经元个数为256，输出神经元个数为256；

步骤3.2.4：建立输出层，设置输入神经元个数为256，输出神经元个数为1；

步骤3.2.5：通过激活函数对各隐藏层及输出层进行激活，并设置防止过拟合的参数；

步骤3.2.6：将输出结果进行降维处理。