A Textual and Temporal Data Fused Seismic Displacement Time Histories Prediction Method of Base-Isolated Frame Structures Using Deep Learning
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
This study proposes a deep learning-based method fusing textual and temporal data to predict seismic displacement time histories of base-isolated structures. By integrating yield ratio textual data and ground motion temporal data, an LSTM network was developed and optimized. Validated on a five-story base-isolated frame, the method achieved a 94% determination coefficient for peak displacement prediction, with 82.6% and 88.6% of isolation layer and top floor displacement time histories showing a Pearson correlation coefficient > 0.9. Computational efficiency improved by 513 times, effectively accounting for yield ratio influence. The findings offer insights for the design and performance evaluation of base-isolated structures.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- A Textual and Temporal Data Fused Seismic Displacement Time Histories Prediction Method of Base-Isolated Frame Structures Using Deep Learning
- Date Crossref
- 24/02/2025
- Éditeur
- Informa UK Limited
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Beijing University of Civil Engineering and Architecture pays non établi dans la noticeUniversité ou école supérieure
Beijing University of Civil Engineering and Architecture.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.