3rd Croatian Conference on Earthquake Engineering 3CroCEE

The Gründerzeit houses in Vienna, which were built between 1948 and 1918, are an essential part of the Viennese building infrastructure with a number of approx. 30,000. Since 1992, the masonry properties of over 200 buildings with over 2,000 test points have been determined and evaluated by the authors. These were determined in the course of the engineering findings in order to carry out the load-bearing capacity and earthquake verifications for the reconstruction.
The most common conversions and alterations to rooms involve the demolition of individual partition walls on certain floors, particularly on the first floor, to create retail space and offices, the enlargement of openings in both load-bearing and partition walls and the extension or installation of existing top floors.
Based on the results of the investigation, a comprehensive data set was created containing the coordinates of the buildings, district, construction period, use, building type, number of storeys, type of test, moisture, compressive strength of the stone, compressive strength of the mortar, compressive strength of the masonry, etc. This data set comprises around 40,000 independent numerical and categorical values. This data set, is analyzed for clusters and correlations using machine learning algorithms [1].
Among others, the unsupervised learning algorithms “Hierarchical Clustering”, “k-means” and the dimension-reducing algorithm “t-sne” are used. The correlations found are statistically evaluated and visualized. On the one hand, this enables an analysis and evaluation of the existing Viennese Gründerzeit building fabric and an identification of the decisive influencing variables for determining the masonry strength, and on the other hand, the various investigation methods can also be compared and evaluated. The most important results will be presented.
In the second part, various prediction models based on machine learning algorithms are used to predict the component and masonry strengths of existing objects as well as the earthquake resistance according to Eurocode 8. The algorithms used include “neural networks”, “random forest”, “k-nearest neighbors”, etc. With regard to the earthquake resistance, design tables are used, described in [2], with which the earthquake compliance factor can be quickly specified using a few building parameters, such as the number of storeys, the floor plan shapes and the soil parameters. These values are calibrated with push-over calculations for different building geometries and are thus incorporated into the prediction models. The aim is to find and compare data-based models in order to enable an evaluation of all Viennese Gründerzeit buildings with regard to the expected strengths and earthquake values.

Procijena čvrstoće zidova i parametara potresa pomoću algoritama „Machine-learning- Algorithmen“ na primjeru zgrada (Gründerzeithäuser) izgrađenih u razdoblju 1848-1918 u Beču
Authors: Dipl.-Ing. Dr. techn. Branko Rusnov, Dipl.-Ing. Dr. techn. Karl Deix
Zgrade (Gründerzeithäuser) koje su izgrađene u razdoblju od 1848. do 1918 godine u Beču kojih otprilike ima negdje oko 30.000, čine značajan dio bečke građevinske infrastrukture. Od 1992. godine svojstva ziđa su ispitivana i ocjenjivana na više od 200 zgrada s više od 2.000 ispitnih parametara. Ispitivanja su provedena u sklopu inženjerskog izvještaja (Ingenieurbefund) kako bi se mogli napraviti dokazi o nosivosti i otpornosti na potrese potrebni za prenamjenu zgrada.
Najčešće prenamijene i promijene prostora tiču se rušenje pojedinih pregradnih zidova u pojedinim etažama, nanročito u prizemljima zbog izgradnje prodajnih prostora i ureda, proširenje otvora kako u glavnim zidovima tako i u pregradnim zidovima te izgradnja odnosno nadogradnja postojećih potkrovlja.
Na temelju rezultata istraživanja izrađena je opsežna baza podataka koja sadrži koordinate zgrada, definirane dijelove grada, razdoblje gradnje, namjenu, tip gradnje, broj katova, vrstu ispitivanja, vlagu, tlačnu čvrstoću ziđa od opeke ili kamena, tlačnu čvrstoću morta, tlačnu čvrstoću ziđa itd. Ova baza podataka, koja obuhvaća oko 40.000 međusobno neovisnih numeričkih i kategoriziranih vrijednosti, analizirana je pomoću različitih algoritama kako bi se otkrili klasteri i korelacije,
U tu svrhu koriste se, između ostalog, algoritmi "Hierarchical Clustering", "k-means" i algoritam za redukciju dimenzionalnosti "t-SNE". Dobivene korelacije statistički su obrađene i vizualizirane. Time je omogućena analiza i ocjena postojećeg stanja bečkih zgrada iz razdoblja navedeno perioda te identifikacija ključnih faktora koji utječu na čvrstoću ziđa, kao i usporedba i ocjena s drugim različitim metodama ispitivanja. Najvažniji rezultati bit će predstavljeni u opširnom dijelu izvještaja.
U drugom dijelu koriste se različiti modeli predviđanja temeljeni na algoritmima kako bi se za postojeće objekte predvidjele komponente i čvrstoće ziđa, kao i otpornost na potrese prema Eurokodu 8. Korišteni algoritmi uključuju, između ostalog, "neuronske mreže", "random forest", "k-nearest neighbors" itd. U vezi s otpornosti na potrese, koriste se tablice za proračun, opisane u [2], koje omogućuju brzu „procjenu“ faktora ispunjenja potresa na temelju nekoliko karakteristika zgrada, poput broja katova, oblika tlocrta i svojstava tla. Ove vrijednosti kalibrirane su pomoću proračunu "Push-Over" za neke tipične tlocrte iz toga razdoblja integrirane u modele predviđanja. Cilj je pronaći i usporediti modele temeljene na podacima kako bi se omogućila procjena bečkih zgrada iz 1848-1918 s obzirom na očekivane čvrstoće odnosno otpornost na potres.
[1] Deix, K., Rusnov, B., Dzudzevic, E., & Huber, C. (2023). Analyse von Mauerwerksuntersuchungen von Gründerzeithäusern in Wien. Bautechnik. https://doi.org/10.1002/bate.202300018
[2] Karic, A., Sonnek, R., Deix, K., & Kolbitsch, A. (2023). Nachbemessungsstrategie für gemauerte, gründerzeitliche Schubwände. Bauingenieur, 98(1–2), 18–27. https://doi.org/10.37544/0005-6650-2023-01-02-46