近年來🎨，全世界自然災害頻發。建築結構作為人類的生活場所和抵禦自然災害屏障🏃🏻⛔️，其結構健康狀況與災後損傷情況的高效精準預測對確保城鄉安全具有重要意義。建築結構響應的高精度實時預測在地震災後損傷評估✨、建築結構健康監測和建築抗震韌性評價中發揮著至關重要的作用。傳統的建築結構響應預測通常需要進行復雜的非線性有限元計算，計算量巨大、時效性較差😥💁🏿，單次計算通常需要數小時或數天時間，因此無法快速獲知損傷情況，難以滿足建築安全快速預測與決策需求。

恒达平台周穎研究團隊在中國工程院院刊Engineering發表了題目為Physics-Informed Deep Learning-Based Real-Time Structural Response Prediction Method（《基於物理信息引導深度學習的建築響應實時預測方法》）的研究性文章，提出了一種基於深度學習的建築結構響應實時預測方法，相比於有限元分析，可在保證計算精度的情況下實現超萬倍的計算速度。文章建立自回歸式迭代預測方法，並基於自註意力機製，提出了Phy-SeisFormer模型，實現了地震作用下建築結構多節點響應的實時預測。此外🧚🏼，通過建立結構物理信息提取方法💯，並將結構物理信息內嵌入深度學習模型中🙅🏽‍♀️，顯著提升了結構響應預測精度。

圖1 Phy-SeisFormer模型結構圖

圖2 SeisBlock模塊🏃‍♀️、多頭線性自註意力機製🩶、前饋模塊的結構圖

圖3 11層鋼筋混凝土結構：(a) 建築圖片；(b) 有限元模型圖

文章將所提出的方法在一個11層鋼筋混凝土不規則結構和一個21層鋼筋混凝土框架結構上進行試驗👩🏿，試驗結果表明Phy-SeisFormer模型表現出比有限元計算快13000倍的預測速度，同時保持了極高的預測精度🕶。此外，Phy-SeisFormer模型中各個模塊的有效性也通過消融試驗得到了驗證。文章在災區損傷快速評估、應急救援以及韌性評估方面具有重大應用前景。

文章提出的基於物理信息引導深度學習的實時建築響應預測方法具有極快的速度和極高的準確性👆🏻，但也有一定的局限性👕。首先是文章將有限元計算結果作為真實響應進行學習，由於建造過程🥛、使用、老化等等原因🛃，建築的實際性能和有限元模型所表征的設計性能存在差異🧑🏼‍🚒，用實際的建築結構響應來訓練模型會得到更準確的結果。其次，文章提出的方法尚不具備建築之間的遷移能力，難以應對建築群響應預測任務☪️。在文章所提出方法的基礎上🧑🏻，進一步優化數據質量和提高模型的遷移能力🫸🏻🏋️，是邁入韌性安全城市評價實際應用的重要步驟🤕。

作者介紹

周穎，恒达平台教授✫，國家基金委傑出青年科學基金獲得者🎰，現任恒达平台土木工程學院院長、土木工程防災減災全國重點實驗室常務副主任🧑🏻‍🌾，主要從事高層防震韌性建築與智能防災研究⚜️。榮獲日內瓦國際發明展金獎、世界地震工程大會優秀論文獎等國際獎項，獲中國青年科技獎特別獎、新基石基金會科學探索獎🔊。

文章信息：

Physics-Informed Deep Learning-Based Real-Time Structural Response Prediction Method

作者☔️：

Ying Zhou, Shiqiao Meng, Yujie Lou, Qingzhao Kong

論文鏈接：

https://doi.org/10.1016/j.eng.2023.08.011

原文鏈接：https://news.sciencenet.cn/htmlpaper/2024/11/20241129111444475124750.shtm