复杂高层转换层结构的智能选型.pdf

第29卷第3期华侨大学学报(自然科学版)Vol.29No.3
2008年7月JournalofHuaqiaoUniversity(NaturalScience)Jul.2008

文章编号:100025013(2008)0320427205
复杂高层转换层结构的智能选型

林煌斌,王全凤,张云波

(华侨大学土木工程学院,福建泉州362021)

摘要:分析复杂高层建筑结构转换层选型的主要控制因素,建立基于人工神经网络的复杂高层建筑结构转
换层选型的数学模型.有针对性地收集国内外62个带转换层复杂高层结构工程实例,分别采用BP(Back2
Propagation)算法和L2M(Levernberg2Marquart)算法进行复杂高层建筑结构转换层选型的研究1设计一种基
于人工神经网络的复杂高层建筑转换层结构的智能选择,使单一设计人员通过向人工神经网络输入若干复
杂高层建筑结构转换层的基本信息,便可在方案阶段解决高层建筑结构转换层结构型式选择.
关键词:高层建筑;转换层;结构选型;人工神经网络
中图分类号:TU973+.1文献标识码:A

复杂高层抗震理论和实践在近几十年取得很大的进展,但也存在一些悬而未解的问题.复杂高层结
构弹塑性时程分析方法、结构性能评价,以及其选型工作一直是抗震研究的重要内容,带转换层高层建
筑型式对高层整体综合性能的影响起着关键的作用.目前对高层转换层结构优化型设计的研究,主要集
中于在对某具体型式参数优化等方面,对型式优化的研究相对较少,尚未形成系统成熟的转换层选型理
论和方法.工程实践中,主要依据专家经验对性能优劣的判断进行型式优选.近几年来,结构选型工作不
断受到重视,并在理论上涌现出许多方法.对于复杂高层转换层结构智能选型,国内外并没有相关的文
献.本文设计一种基于人工神经网络的复杂高层建筑转换层结构的智能选择.

1转换层选型的控制因素

复杂高层转换层结构选择受诸多条件和因素制约,如建筑总高、建筑总层数、高层结构型式、转换层
承担总层数、转换层上下建筑功能、转换层跨度、转换层所在层数、结构材料、建筑平面形状、基础条件、
基本风压值、抗震设防烈度和场地土性质等.在分析并确定高层建筑转换层结构体系的选择影响因素的
主次关系后,神经网络的输入节点选择(每一输入节点代表复杂高层转换层结构选型的选择一种控制因
素)有以下5个主要因素.(1)复杂高层建筑总层数.(2)高层结构型式1分剪力墙结构、框架剪力墙结
构、框架筒体结构、框支剪力墙结构、框架结构、钢框架结构.(3)转换层跨度.(4)转换层上承担总层
数.取选转换层所在楼层和总层数比.(5)转换层上下建筑功能.分别取高层公寓、高层旅馆、高层办公、
高层公共建筑、高层综合楼.
常见的复杂高层转换层结构从结构型式上,可分为梁式转换层、桁架转换层、厚板转换层、箱形转换
层、柱式等其他转换层[124].将该类别分别作为神经网络输出的结构型式,神经网络的输出节点选择有5
种,以系数最大的结构型式作为最后选择型式.在确定神经网络的输入、输出节点之后,选取62组典型
的已建带转换层高层建筑数据[528],作为教师样本进行人工神经网络的训练.该实例包括国内56栋高层
(其中,北京市7栋、广东省12栋、上海市5栋、重庆市11栋,其他省市21栋),国外高层建筑6栋,10组
作为仿真预测样本.建立的高层转换层结构实例库,隐含着工程师解决结构方法设计问题时,所使用的
知识和经验与相关规范规定等方面的信息.

收稿日期:2007211209
作者简介:林煌斌(19812),男;通信作者:王全凤(19452),男,教授,博士生导师,主要从事结构工程的研究.E2mail:
[e-mail].
基金项目:国家自然科学基金资助项目(50578066);福建省自然科学基金资助项目(E0410023)
428华侨大学学报(自然科学版)2008年

2网络的建立

2.1数学模型
采用最实用的人工神经网络,分析比较普通BP(BookPropagation)算法和L2M(Levernberg2Mar2
guart)算法.神经网络的每一输入节点对应样本的一个特征,而输出层节点数等于类别数,一个输出节
点对应一类.在训练阶段,如果输入训练样本的类别标号是i,则训练时的第i个节点期望输出设为1,
而其余输出节点均为0.在识别阶段,当一个未知类别的样本作用到输入端时,考察各输出节点的输出,
并将这个样本的类别判定为与输出值最大的那个节点对应的类别,这就是用神经网络进行模式识别的
最基本方式[8].
P为神经网络的输入样本,共62个样本,每个样本有5个输入节点1这5个节点分别代表样本的
一个重要特征,分别是建筑总层数、转换层上下建筑功能(其中,1代表公寓,2代表旅馆,3代表办公,4