[1]马树潼,庄鹏.基于机器学习的三维隔震体系地震峰值响应预测与重要度分析[J].水利与建筑工程学报,2026,(04):23-31.[doi:10.3969/j.issn.1672-1144.2026.04.004]
点击复制

基于机器学习的三维隔震体系地震峰值响应预测与重要度分析()

《水利与建筑工程学报》[ISSN:1672-1144/CN:61-1404/TV]

卷:
期数:
2026年04期
页码:
23-31
栏目:
出版日期:
2026-08-20

文章信息/Info

作者:
马树潼1; 庄鹏1; 2; 3
1．北京建筑大学 土木与交通工程学院，北京 100044；2．北京建筑大学 大型多功能振动台阵实验室，北京 100044；3．北京建筑大学 工程结构与新材料北京高等学校工程研究中心，北京 100044
关键词:
三维隔震; 机器学习; 单质点动力体系; 地震响应预测; 参数敏感性
分类号:
ＴＵ352.1
DOI:
10.3969/j.issn.1672-1144.2026.04.004
文献标志码:
A
摘要:
为提高三维隔震结构地震响应的分析效率，以单质点动力体系作为研究对象，利用有限元模拟与机器学习，开展峰值响应预测和参数敏感性研究。基于 ＯｐｅｎＳｅｅ建立三维隔震单质点体系的有限元模型。选取 ＦＥＭＡＰ-695推荐的32条地震动记录作为输入，利用 Ｐｙｔｈｏｎ编程实现了参数自动组合、有限元模型批量生成、地震动自动读取以及多工况非线性时程分析，构建机器学习训练样本数据库。采用随机森林、ＸＧＢｏｏｓｔ、ＬｉｇｈｔＧＢＭ和 ＣａｔＢｏｏｓｔ四种典型机器学习模型，对结构峰值加速度和峰值位移进行回归预测。以决定系数、均方根误差和平均绝对误差评价了模型预测性能，并结合置换重要度分析了输入参数的敏感性。预测结果表明：ＸＧＢｏｏｓｔ模型在四种机器学习模型中的回归性能最优，可在保证预测精度的前提下有效提升三维隔震体系地震峰值响应的分析效率。参数敏感性分析进一步揭示，ＦＰＢ与 ＤＰＳ-ＤＢ串联配置下的水平 －竖向耦合效应导致水平隔震参数对竖向响应具有显著的影响。

参考文献/References:

［1］ 樊健生，王 琛，宋凌寒．土木工程智能计算分析研究进展与应用［Ｊ］．建筑结构学报，2022，43（09）：1-22．
［2］ 徐 阳，金晓威，李 惠．土木工程智能科学与技术研究现状及展望［Ｊ］．建筑结构学报，2022，43（09）：23-35．
［3］ 周 颖，孟诗乔，孔庆钊，等．建筑结构损伤智能检测与响应智能预测研究综述［Ｊ］．建筑结构学报，2024，45（06）：107-132．
［4］ 钟 剑，温佳年，王晓伟，等．人工智能在桥梁抗震中的研究进展与展望［Ｊ］．中国公路学报，2025，38（07）：1-17．
［5］ 王晓伟，苟凌云，李建中，等．机器学习赋能桥梁抗震研究进展与挑战———ＡＩ驱动的量化综述方法 ［Ｊ／ＯＬ］．东南大学学报（自然科学版）．ｈｔｔｐｓ：／／ｌｉｎｋ．ｃｎｋｉ．ｎｅｔ／ｕｒｌｉｄ／32．1178．Ｎ．20260312．1626．004
［6］ ＹａｖａｓＭ Ｓ，ＧａｏＺ，ＭｅｋａｏｕｉＮ，ＳａｉｔｏＴ．Ａｍａｃｈｉｎｅｌｅａｒｎｉｎｇ-ｂａｓｅｄｈｙｂｒｉｄｓｅｉｓｍｉｃａｎａｌｙｓｉｓｏｆａｌｅａｄｒｕｂｂｅｒｂｅａｒｉｎｇｉｓｏｌａｔｅｄｂｕｉｌｄｉｎｇｓｐｅｃｉｍｅｎ［Ｊ］．ＳｏｉｌＤｙｎａｍｉｃｓａｎｄＥａｒｔｈｑｕａｋｅＥｎｇｉｎｅｅｒｉｎｇ，2023，174：108217．
［7］ ＫｒｉｓｔａｎｔｏＹ，ＷａｎｇＳＪ，ＬａｉＹＡ，ｅｔａｌ．Ｐｒｅｄｉｃｔｉｏｎｏｆｐｅａｋｉｎｅｌａｓｔｉｃｄｉｓｐｌａｃｅｍｅｎｔｏｆｓｌｏｐｅｄｒｏｌｌｉｎｇ-ｔｙｐｅｂｅａｒｉｎｇｓｕｎｄｅｒｓｅｉｓｍｉｃｌｏａｄｉｎｇｕｓｉｎｇｍａｃｈｉｎｅｌｅａｒｎｉｎｇｍｏｄｅｌｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＢｕｉｌｄｉｎｇＥｎｇｉｎｅｅｒｉｎｇ，2025，112：113717．
［8］ ＮｇｕｙｅｎＮＶ，ＮｇｕｙｅｎＨＤ，ＤａｏＮＤ．Ｍａｃｈｉｎｅｌｅａｒｎｉｎｇｍｏｄｅｌｓｆｏｒｐｒｅｄｉｃｔｉｎｇｍａｘｉｍｕｍ ｄｉｓｐｌａｃｅｍｅｎｔｏｆｔｒｉｐｌｅｐｅｎｄｕｌｕｍ ｉｓｏｌａｔｉｏｎｓｙｓｔｅｍｓ［Ｊ］．Ｓｔｒｕｃｔｕｒｅｓ，2022，36：404-415．
［9］ ＸｕＹａｎｑｉｎｇ，ＧｕｏＴｏｎｇ，ＺｈａｎｇＲｕｉｊｕｎ．Ｐｒｅｄｉｃｔｉｎｇｓｅｉｓ-ｍｉｃｃｏｌｌａｐｓｅｐｒｏｂａｂｉｌｉｔｙｏｆｔｈｅｂｕｉｌｄｉｎｇｉｓｏｌａｔｅｄｗｉｔｈｔｒｉｐｌｅｆｒｉｃｔｉｏｎｐｅｎｄｕｌｕｍｓｕｓｉｎｇｍａｃｈｉｎｅｌｅａｒｎｉｎｇ［Ｊ］．Ｓｔｒｕｃ-ｔｕｒｅｓ，2023，58：105362．
［10］ ＸｕＹａｎｑｉｎｇ，ＧｕｏＴｏｎｇ，ＣｈｅｎＢａｏｋｕｉ，ｅｔａｌ．Ｐｒｅｄｉｃｔｉｎｇｓｅｉｓｍｉｃｉｓｏｌａｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｂｕｉｌｄｉｎｇｉｓｏｌａｔｅｄｗｉｔｈｔｒｉｐｌｅｆｒｉｃｔｉｏｎｐｅｎｄｕｌｕｍｓｕｓｉｎｇｍａｃｈｉｎｅｌｅａｒｎｉｎｇ［Ｊ］． ＪｏｕｒｎａｌｏｆＢｕｉｌｄｉｎｇＥｎｇｉｎｅｅｒｉｎｇ，2025，112：113565．
［11］ ＢａｎａｅｉＡ，ＳａｌｋｈｏｒｄｅｈＭ，ＳｏｒｏｕｓｈｉａｎＳ．Ａｒａｐｉｄｍａ-ｃｈｉｎｅｌｅａｒｎｉｎｇ-ｂａｓｅｄｄｅｍａｎｄｅｓｔｉｍａｔｉｏｎｆｒａｍｅｗｏｒｋｆｏｒｇｅｎｅｒｉｃｂｕｉｌｄｉｎｇｓｅｑｕｉｐｐｅｄｗｉｔｈｂａｓｅｉｓｏｌａｔｉｏｎｓｙｓｔｅｍｓ［Ｊ］． ＪｏｕｒｎａｌｏｆＢｕｉｌｄｉｎｇＥｎｇｉｎｅｅｒｉｎｇ，2025，103：111971．
［12］ ＴｈｅｄｙＪ，ＩｍｒａｎＩ，ＨａｎＡ，ｅｔａｌ．Ｓｅｉｓｍｉｃｒｅｌｉａｂｉｌｉｔｙａｓ-ｓｅｓｓｍｅｎｔｏｆｂａｓｅ-ｉｓｏｌａｔｅｄｓｔｅｅｌｓｔｒｕｃｔｕｒｅｓｖｉａＡｕｔｏｒｅｇｒｅｓ-ｓｉｖｅＮｅｕｒａｌＮｅｔｗｏｒｋａｎｄＰｅａｒｓｏｎｄｉｓｔｒｉｂｕｔｉｏｎｍｅｔｈｏｄ［Ｊ］．Ｓｔｒｕｃｔｕｒｅｓ，2026，84：111069．
［13］ 党 育，刘全明，马小科．机器学习辅助隔震支座优化布置［Ｊ］．地震工程与工程振动，2023，43（04）：26-36．
［14］ Ａｈｍａｄｉ-ＮｅｄｕｓｈａｎＢ，ＡｋｂａｒｚａｇｈｉＭ，ＴａｊａｍｍｏｌｉａｎＨ．Ｃｏｍｐｕｔａｔｉｏｎａｌｅｆｆｉｃｉｅｎｃｙｉｎｔｒｉｐｌｅｆｒｉｃｔｉｏｎｐｅｎｄｕｌｕｍｂｂｅ-ａｒｉｎｇｄｅｓｉｇｎｏｐｔｉｍｉｚａｔｉｏｎｕｓｉｎｇｓｕｒｒｏｇａｔｅｍｏｄｅｌｉｎｇ［Ｊ］．ＪｏｕｒｎａｌｏｆＥａｒｔｈｑｕａｋｅＥｎｇｉｎｅｅｒｉｎｇ，2025，29（07）：1444-1468．
［15］ ＰｈａｍＨＧ，ＢｅｃｋｅｒＴＣ．ＤｅｓｉｇｎｏｆｉｓｏｌａｔｅｄｂｕｉｌｄｉｎｇｓｔｏａｃｈｉｅｖｅｔａｒｇｅｔｅｄｃｏｌｌａｐｓｅｌｉｍｉｔｓｔｈｒｏｕｇｈＧａｕｓｓｉａｎｐｒｏｃｅｓｓｍｏｄｅｌｉｎｇ［Ｊ］． Ｅｎｇｉｎｅｅｒｉｎｇ Ｓｔｒｕｃｔｕｒｅｓ， 2025，32：119109．
［16］ ＤｅｌａｖｉｚＡ，Ｙａｇｈｍａｅｉ-ＳａｂｅｇｈＳ．ＤｅｖｅｌｏｐｍｅｎｔｏｆａｎｅｗｆｒａｍｅｗｏｒｋｂａｓｅｄｏｎＧａｕｓｓｉａｎｒｅｇｒｅｓｓｉｏｎｐｒｏｃｅｓｓｆｏｒｒａｐ-ｉｄｆｒａｇｉｌｉｔｙａｎａｌｙｓｉｓｏｆ2-ＤｏＦ ｂａｓｅ-ｉｓｏｌａｔｅｄｓｔｒｕｃｔｕｒｅｓ［Ｊ］．Ｓｔｒｕｃｔｕｒｅｓ，2023，53：1135-1149．
［17］ ＺｈｕＺｈｅｎｙｕ，ＬｉｕＭｕｎａｎ，ＸｕＷｅｉｚｈｉ，ｅｔａｌ．Ｍａｃｈｉｎｅｌｅａｒｎｉｎｇ-ｂａｓｅｄｓｅｉｓｍｉｃｆｒａｇｉｌｉｔｙａｎａｌｙｓｉｓｏｆｂａｓｅ-ｉｓｏｌａｔｅｄｓｔｒｕｃｔｕｒｅｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＢｕｉｌｄｉｎｇＥｎｇｉｎｅｅｒｉｎｇ，2025，106：112636．
［18］ 韩庆华，景 铭，芦 燕，等．大跨度钢桁架隔震结构隔震性能及影响规律分析［Ｊ］．建筑钢结构进展，2024，26（03）：1-11．
［19］ ＷａｎｇＷｅｉ，ＬｉＸｉｏｎｇｙａｎ，ＬｉｕＧｕａｎｃｈｅｎ．Ｓｔｕｄｙｏｎｖｅｒｔｉ-ｃａｌｉｓｏｌａｔｉｏｎｅｆｆｅｃｔｏｆｒｉｎｇｓｐｒｉｎｇｓｉｎｓｉｎｇｌｅ-ｌａｙｅｒｓｐｈｅｒｉ-ｃａｌｒｅｔｉｃｕｌａｔｅｄｄｏｍｅｓｔｒｕｃｔｕｒｅｓ［Ｊ］．Ｓｔｒｕｃｔｕｒｅｓ，2024，65：106721．
［20］ ＺｈｕａｎｇＰｅｎｇ，ＷｅｉＬｕｙａｏ，ＷａｎｇＷｅｉ，ｅｔａｌ．Ｆｅａｓｉｂｉｌｉｔｙｅｖａｌｕａｔｉｏｎｏｆｐｒｅ-ｐｒｅｓｓｅｄｓｐｒｉｎｇｄｅｖｉｃｅｓｆｏｒｖｅｒｔｉｃａｌｉｓｏ-ｌａｔｉｏｎｏｆｓｉｎｇｌｅ-ｌａｙｅｒｓｐｈｅｒｉｃａｌｌａｔｔｉｃｅｓｈｅｌｌｓｔｒｕｃｔｕｒｅｓ［Ｊ］． ＳｏｉｌＤｙｎａｍｉｃｓ ａｎｄ Ｅａｒｔｈｑｕａｋｅ Ｅｎｇｉｎｅｅｒｉｎｇ，2022，158：107308．
［21］ 陈 鹏，周 颖．摩擦摆支座隔震结构实用设计方法［Ｊ］．地震工程与工程振动，2017，37（01）：56-63．
［22］ ＥｒｚＭ，ＤｅｓｒｏｃｈｅｓＲ．Ｔｈｅｉｎｆｌｕｅｎｃｅｏｆｄｅｓｉｇｎｐａｒａｍｅ-ｔｅｒｓｏｎｔｈｅｒｅｓｐｏｎｓｅｏｆｂｒｉｄｇｅｓｉｓｏｌａｔｅｄｂｙｔｈｅＦｒｉｃｔｉｏｎＰｅｎｄｕｌｕｍＳｙｓｔｅｍ（ＦＰＳ）［Ｊ］．ＥｎｇｉｎｅｅｒｉｎｇＳｔｒｕｃｔｕｒｅｓ，2013，56：585-599．
［23］ ＺｈｕａｎｇＰｅｎｇ，ＺｈａｏＷｅｎｘｕａｎ，ＹａｎｇＴＹ．Ｓｅｉｓｍｉｃｐｒｏ-ｔｅｃｔｉｏｎｏｆａｓｉｎｇｌｅ-ｌａｙｅｒｓｐｈｅｒｉｃａｌｌａｔｔｉｃｅｓｈｅｌｌｓｔｒｕｃｔｕｒｅｕｓｉｎｇａｓｅｐａｒａｔｅｄ ｔｈｒｅｅ-ｄｉｍｅｎｓｉｏｎａｌｉｓｏｌａｔｉｏｎ ｓｙｓｔｅｍ［Ｊ］． ＳｏｉｌＤｙｎａｍｉｃｓ ａｎｄ Ｅａｒｔｈｑｕａｋｅ Ｅｎｇｉｎｅｅｒｉｎｇ，2023，172：108026．
［24］ ＬｅｅＤ，ＴａｙｌｏｒＤＰ．Ｖｉｓｃｏｕｓｄａｍｐｅｒｄｅｖｅｌｏｐｍｅｎｔａｎｄｆｕｔｕｒｅｔｒｅｎｄｓ［Ｊ］．ＴｈｅＳｔｒｕｃｔｕｒａｌＤｅｓｉｇｎｏｆＴａｌｌＢｕｉｌｄ-ｉｎｇｓ，2001，10：311-320．
［25］ 石运东，王宇宸，王 旋，等．基于地震动加速度反应谱的三维隔震结构摇摆性能研究［Ｊ］．振动工程学报，2023，36（02）：400-409．
［26］ ＢｒｅｉｍａｎＬ．Ｒａｎｄｏｍ ｆｏｒｅｓｔｓ［Ｊ］．ＭａｃｈｉｎｅＬｅａｒｎｉｎｇ，2001，45：5-32．
［27］ ＣｈｅｎＴｉａｎｑｉ，ＧｕｅｓｔｒｉｎＣ．ＸＧＢｏｏｓｔ：Ａ ｓｃａｌａｂｌｅｔｒｅｅｂｏｏｓｔｉｎｇｓｙｓｔｅｍ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ22ｎｄＡＣＭＳＩＧＫＤＤＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＫｎｏｗｌｅｄｇｅＤｉｓｃｏｖ-ｅｒｙａｎｄＤａｔａＭｉｎｉｎｇ．ＮｅｗＹｏｒｋ，2016．
［28］ ＫｅＧｕｏｌｉｎ，ＭｅｎｇＱｉ，ＦｉｎｌｅｙＴ，ｅｔａｌ．ＬｉｇｈｔＧＢＭ：Ａｈｉｇｈｌｙｅｆｆｉｃｉｅｎｔｇｒａｄｉｅｎｔｂｏｏｓｔｉｎｇｄｅｃｉｓｉｏｎｔｒｅｅ［Ｃ］／／31ｓｔＣｏｎｆｅｒｅｎｃｅｏｎＮｅｕｒａｌＩｎｆｏｒｍａｔｉｏｎＰｒｏｃｅｓｓｉｎｇＳｙｓ-ｔｅｍｓ，ＬｏｎｇＢｅａｃｈ，2017．
［29］ ＰｒｏｋｈｏｒｅｎｋｏｖａＬ，ＧｕｓｅｖＧ，ＶｏｒｏｂｅｖＡ，ｅｔａｌ．Ｃａｔ-Ｂｏｏｓｔ： Ｕｎｂｉａｓｅｄ ｂｏｏｓｔｉｎｇ ｗｉｔｈ ｃａｔｅｇｏｒｉｃａｌｆｅａｔｕｒｅｓ［Ｃ］／／ＡｄｖａｎｃｅｓｉｎＮｅｕｒａｌＩｎｆｏｒｍａｔｉｏｎＰｒｏｃｅｓｓｉｎｇＳｙｓ-ｔｅｍｓ，Ｍｏｎｔｒéａｌ，2018．
［30］ ＨａｓｔｉｅＴ，ＴｉｂｓｈｉｒａｎｉＲ，ＦｒｉｅｄｍａｎＪ．Ｔｈｅｅｌｅｍｅｎｔｓｏｆｓｔａｔｉｓｔｉｃａｌｌｅａｒｎｉｎｇ：Ｄａｔａｍｉｎｉｎｇ，ｉｎｆｅｒｅｎｃｅ，ａｎｄｐｒｅｄｉｃ-ｔｉｏｎ［Ｍ］．2ｎｄｅｄ．ＮｅｗＹｏｒｋ：Ｓｐｒｉｎｇｅｒ，2009．
［31］ ＣｈａｉＴ，ＤｒａｘｌｅｒＲＲ．Ｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒ（ＲＭＳＥ）ｏｒｍｅａｎａｂｓｏｌｕｔｅｅｒｒｏｒ（ＭＡＥ）？ －ＡｒｇｕｍｅｎｔｓａｇａｉｎｓｔａｖｏｉｄｉｎｇＲＭＳＥｉｎｔｈｅｌｉｔｅｒａｔｕｒｅ［Ｊ］．ＧｅｏｓｃｉｅｎｔｉｆｉｃＭｏｄ-ｅｌＤｅｖｅｌｏｐｍｅｎｔ，2014，7：1247-1250．
［32］ ＦｉｓｈｅｒＡ，ＲｕｄｉｎＣ，ＤｏｍｉｎｉｃｉＦ．Ａｌｌｍｏｄｅｌｓａｒｅｗｒｏｎｇ，ｂｕｔｍａｎｙａｒｅｕｓｅｆｕｌ：Ｌｅａｒｎｉｎｇａｖａｒｉａｂｌｅ＇ｓｉｍｐｏｒｔａｎｃｅｂｙｓｔｕｄｙｉｎｇａｎｅｎｔｉｒｅｃｌａｓｓｏｆｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｓｓｉｍｕｌｔａｎｅ-ｏｕｓｌｙ［Ｊ］． ＪｏｕｒｎａｌｏｆＭａｃｈｉｎｅＬｅａｒｎｉｎｇＲｅｓｅａｒｃｈ，2019，20：1-81．

相似文献/References:

[1]刘相龙,刘仲武,马灵会,等.基于支持向量机的边坡稳定性系数预测及变量分析[J].水利与建筑工程学报,2023,(01):172.[doi:10.3969/j.issn.1672-1144.2023.01.026]
[2]宋瑞,唐洪祥,张韬,等.基于机器学习的砂土邓肯－张模型参数预测[J].水利与建筑工程学报,2024,(01):186.[doi:10.3969/j.issn.1672-1144.2024.01.025]
[3]方宝,张贤,张丽平,等.基于信息量－支持向量机组合模型的东莞市地面沉降灾害易发性评价[J].水利与建筑工程学报,2024,(02):149.[doi:10.3969/j.issn.1672-1144.2024.02.021]
[4]王文辉.基于ＣＮＮ-Ｔｒａｎｓｆｏｒｍｅｒ神经网络反演的深基坑变形预测模型[J].水利与建筑工程学报,2025,(05):17.[doi:10.3969/j.issn.1672-1144.2025.05.003]

备注/Memo

备注/Memo:
收稿日期：2026-01-19 修稿日期：2026-03-12
基金项目：北京建筑大学大型多功能振动台阵实验室开放研究专项基金（2022ＭＦＳＴＬ12）；北京市自然科学基金资助项目（8182016）
作者简介：马树潼（2000—），男，硕士研究生，研究方向为大跨空间结构抗震与减隔震。Ｅ-ｍａｉｌ：ｓｈｕｔｏｎｇ7703＠163．ｃｏｍ
更新日期/Last Update: 1900-01-01