Page 69 - 2025年第56卷第11期
P. 69
(
L GAN( G，D k) = E [ ln D( s，x)] + E s[ ln 1 - D( s，G( s)))] （9）
(s，x)
é ê ê T 1 ù ú ú
i
i
L FM (G，D k ) = E ê ê ( D k (s，x) - D k (s，G (s) ) ) ú ú （10）
ë N û
(s，x) ∑ i = 1
式中：G 和 D 分别为 pix2pixHD 的生成器和判别器；n 为判别器的数量；L FM 为特征匹配度损失；λ 为特
征匹配损失的权重因子；L GAN 为 GAN 损失函数；s 和 G( s) 分别为真实的和 G 生成的物理场张量（位移：
m，速度：m/s，加速度：m/s ）；x 为输入的三方向地震动，m/s ；E 为期望。
2
2
考虑后续系统开发时算力分配和计算精度之间的平衡，采用如图 5 所示的两层生成器和判别器结
构建立代理模型。其中，G 1 采用全局生成器网络（global generator network），输入和输出分别是低分辨
率的三方向地震时程信号和土石坝各节点地震响应结果的物理场张量；G 2 采用局部增强器网络（local
enhancer network），输入和输出分别是高分辨率的三方向地震时程信号和高分辨率的物理场张量。
图 5 基于 pix2pixHD 的大坝地震动力响应时空全域代理模型结构
G 1 采用 U-Net 结构 ［46］ ，包含 4 个下采样模块、9 个残差模块、4 个上采样模块和 1 个输出层。其中
下采样模块和上采样模块分别通过卷积层和反卷积层进行地震动特征的提取和大坝地震响应时空特征
的重建；残差模块包含卷积层、批归一化层和 LeakyReLU （Leaky Rectified Linear Unit）激活函数层，用
于对下采样模块所提取的特征作进一步变换处理和大坝地震响应的全局特征构建；输出层使用双曲正
切（tanh）激活函数来约束生成的坝体地震动力响应的最大最小值范围，避免出现局部非平稳跳变的失
真情况。
而 G 2 在 G 1 基础上叠加 3 个增强模块，分别为卷积层、残差模块和转置卷积层，共同作用在输入的
地震动原信息上进行大坝地震响应的局部时空特征提取，然后通过特征融合层将 G 1 中残差模块提取的
全局时空特征与局部特征进行通道拼接，最后，经过反卷积的上采样层输出层实现融合全局特征和局
部特征的大坝地震时空响应信息重建。模型的整体结构在推理过程中，可视为在一个常规的生成器
（G 1 ）中嵌入了另一个提升时空特征分辨率的生成器（G 2 ），G 1 最后输出的全局特征和 G 2 中间输出的局部
特征进行特征融合作为 G 2 后半部分转置卷积层的输入，以解决全局特征和局部特征的关联耦合输出。
— 1460 —
