MC-GRU:a Multi-Channel GRU network for generalized nonlinear structural response prediction across structures

要約

地震反応の正確な予測と構造的損傷の定量化は、土木工学において重要です。
有限要素分析などの従来のアプローチには、特に極端な危険にさらされている複雑な構造システムの場合、計算効率が欠けている可能性があります。
最近、人工知能は、高度に非線形の動作を効率的にモデル化するための代替手段を提供しました。
ただし、既存のモデルは、多様な構造システム全体で一般化する際に課題に直面しています。
このペーパーでは、さまざまな構造の一般化された非線形構造応答予測を達成することを目的とした新しいマルチチャネルゲート再発ユニット（MC-GRU）ネットワークを提案します。
重要な概念は、マルチチャネル入力メカニズムをGRUに統合して、候補者の隠れた状態に構造情報を追加することでGRUに統合されています。これにより、ネットワークは多様な構造の動的特性を学習し、目に見えない構造への一般化可能性と適応性を強化します。
提案されたMC-Gruのパフォーマンスは、単一のフリードーム線形システム、ヒステリックブーカエシステム、および実験テストからの非線形補強コンクリートカラムなど、一連のケーススタディを通じて検証されます。
結果は、提案されたMC-Gruが、さまざまな構造の地震応答を正確に推測する能力を備えた既存の方法の主要な一般化可能性の問題を克服していることを示しています。
さらに、GRUやLSTMなどの従来のモデルと比較して、非線形構造ダイナミクスを表す際の強化された機能を示しています。

要約(オリジナル)

Accurate prediction of seismic responses and quantification of structural damage are critical in civil engineering. Traditional approaches such as finite element analysis could lack computational efficiency, especially for complex structural systems under extreme hazards. Recently, artificial intelligence has provided an alternative to efficiently model highly nonlinear behaviors. However, existing models face challenges in generalizing across diverse structural systems. This paper proposes a novel multi-channel gated recurrent unit (MC-GRU) network aimed at achieving generalized nonlinear structural response prediction for varying structures. The key concept lies in the integration of a multi-channel input mechanism to GRU with an extra input of structural information to the candidate hidden state, which enables the network to learn the dynamic characteristics of diverse structures and thus empower the generalizability and adaptiveness to unseen structures. The performance of the proposed MC-GRU is validated through a series of case studies, including a single-degree-of-freedom linear system, a hysteretic Bouc-Wen system, and a nonlinear reinforced concrete column from experimental testing. Results indicate that the proposed MC-GRU overcomes the major generalizability issues of existing methods, with capability of accurately inferring seismic responses of varying structures. Additionally, it demonstrates enhanced capabilities in representing nonlinear structural dynamics compared to traditional models such as GRU and LSTM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google