LSDSE-Dataset

该数据集用于结构工程的模拟和设计学习，包含描述建筑结构的图数据，每个图代表一个建筑结构，数据以JSON格式存储，详细记录了建筑的结构元素如柱、梁的位置、类型等信息。

This dataset is utilized for simulation and design learning in structural engineering. It encompasses graph data that delineates architectural structures, with each graph representing a distinct architectural entity. The data, stored in JSON format, meticulously documents the structural elements of buildings, such as the positions and types of columns and beams, among other pertinent information.

原始信息汇总

LSDSE数据集概述

数据集描述

• 名称: Learning to Simulate and Design for Structural Engineering (LSDSE)
• 用途: 用于论文"Learning to Simulate and Design for Structural Engineering"，该论文发表于ICML 2020。

数据结构

1. bar_nodes

• end point location: Nx6 数组，包含每个节点的坐标信息 [x1, y1, z1, x2, y2, z2] (单位: ft)。
• cross-section: Nx9 数组，表示横截面的独热编码向量，详细信息参考 cross_sections.json。
• if_beam: Nx1 数组，表示是否为梁，1为是，0为否。
• if_boundary_beam: Nx1 数组，表示是否为边界梁，1为是，0为否。
• if_roof_beam: Nx1 数组，表示是否为屋顶梁，1为是，0为否。
• metal_deck_area_on_beam: Nx1 数组，表示梁上的金属甲板面积 (单位: ft^2)，详细计算方法参考论文附录。

2. edges

• 存储方式: 通过发送者和接收者两个列表存储。
• 类型:
  • Column-column edge:
    • column_column_senders: 上层柱ID。
    • column_column_receivers: 下层柱ID。
  • Beam-column edge:
    • beam_column_senders: 梁ID。
    • beam_column_receivers: 柱ID。
  • Column-graph edge:
    • column_grounds_senders: 首层柱ID。
    • column_grounds_receivers: 地面节点ID = N。

3. bar_id_in_stories

• 结构: 对于一个 K 层建筑，包含 K+1 个元素的列表，每个元素是该层所有梁ID的列表，最后一个元素是地面节点ID = N。

4. drift_ratio

• 结构: 对应于 bar_id_in_stories，包含 K+1 个元素的列表，每个元素包含四个漂移比率 [Ex_x, Ex_y, Ey_x, Ey_y] (地震Ex和Ey载荷下的x和y方向漂移比率)，最后一个元素为 [0,0,0,0]。

搜集汇总

数据集介绍

构建方式

LSDSE数据集的构建基于建筑结构工程领域的需求，通过模拟和设计建筑结构来生成数据。每个JSON文件包含100个图，每个图代表一个建筑结构。图中包含节点和边的信息，节点表示建筑中的梁和柱，边表示它们之间的连接关系。数据通过记录梁和柱的端点位置、截面信息、边界条件等属性，并结合地震荷载下的位移比数据，构建了一个完整的建筑结构图。

特点

LSDSE数据集的特点在于其高度结构化的图表示形式，能够精确描述建筑结构的拓扑关系和物理属性。每个节点包含梁和柱的空间位置、截面类型、边界条件等详细信息，边则通过发送者和接收者列表明确表示梁与柱、柱与柱之间的连接关系。此外，数据集还提供了地震荷载下的位移比数据，为结构工程中的抗震设计提供了重要参考。

使用方法

使用LSDSE数据集时，首先需加载JSON文件以获取建筑结构图。通过解析节点和边的信息，可以重建建筑结构的拓扑关系。节点数据可用于分析梁和柱的物理属性，如截面类型和边界条件，而边数据则用于研究结构的连接方式。地震荷载下的位移比数据可用于评估结构的抗震性能。该数据集适用于建筑结构设计、抗震性能分析以及机器学习模型的训练与验证。

背景与挑战

背景概述

LSDSE数据集由ICML 2020会议上发表的论文《Learning to Simulate and Design for Structural Engineering》提出，旨在推动结构工程领域的模拟与设计研究。该数据集由多个建筑结构的图表示组成，每个图包含100个节点，代表建筑中的梁和柱等结构元素。数据集的核心研究问题是通过图神经网络模拟建筑结构在荷载作用下的行为，进而优化设计。该数据集为结构工程领域的研究人员提供了一个标准化的工具，推动了基于机器学习的结构设计与分析方法的创新。

当前挑战

LSDSE数据集在解决结构工程领域的模拟与设计问题时面临多重挑战。首先，建筑结构的复杂性和多样性使得数据集的构建需要精确捕捉每个结构元素的几何与力学特性，这对数据的标注与标准化提出了高要求。其次，图神经网络的训练需要处理大规模图数据，如何高效存储与处理这些图结构是一个技术难点。此外，建筑结构在荷载作用下的行为模拟涉及复杂的物理与数学计算，如何将这些计算与机器学习模型结合，也是一个亟待解决的挑战。

常用场景

经典使用场景

LSDSE数据集在结构工程领域中被广泛用于模拟和设计建筑结构。通过提供详细的建筑结构图数据，该数据集使得研究人员能够深入分析建筑在不同荷载条件下的行为，特别是在地震荷载下的响应。这种数据集的经典使用场景包括建筑结构的优化设计和抗震性能评估。

衍生相关工作

LSDSE数据集衍生了许多相关的研究工作，特别是在建筑结构优化和抗震设计领域。例如，基于该数据集的研究成果已被应用于开发新的建筑结构优化算法和抗震设计方法。这些工作不仅推动了结构工程领域的发展，还为实际工程应用提供了重要的技术支持。

数据集最近研究

最新研究方向

近年来，LSDSE数据集在结构工程领域的研究中展现出显著的前沿性。该数据集通过图结构表示建筑结构，为基于机器学习的结构设计与仿真提供了丰富的数据支持。研究者们正积极探索如何利用深度学习模型优化建筑结构的抗震性能，特别是在地震荷载下的位移比分析方面。LSDSE数据集的应用不仅推动了结构工程与人工智能的交叉研究，还为建筑设计的自动化与智能化提供了新的思路。随着建筑安全标准的不断提高，该数据集在结构优化与灾害预防领域的研究意义愈发凸显。