درنظر گرفتن اثرات عدم قطعیت های مدل سازی بر منحنی شکنندگی فروریزشبا استفاده از شبکه های عصبی مصنوعی

در این مقاله اثرات عدم قطعیتهای دانش ناشی از تغییرات موجود در پارامترهای مدل ممان – چرخش اصلاح شده ایبارا – کراوینکلر درسازههای فولادی با استفاده از تحلیل شبیه سازی مونت کارلو بر مبنای شبکه های عصبی مصنوعی دخیل شده اند. آموزش شبکه مورد نظر با استفاده از داده های ورودی منتج از تعداد محدودی شبیه سازی متغیرهای مدلسازی بر مبنای توزیع های احتمالی آنها و مقادیر خروجی میانگین و انحراف استاندارد منحنیهای شکنندگی فروریزش انجام شده است. دو شبکه دو لایه با استفاده از داده های به دست آمده، آموزش و صحت سنجی شدهاند و سپس با استفاده از روش شبیه سازی مونت کارلو بر مبنای شبکه آموزش دیده منحنی شکنندگی فروریزش نهایی به دست آمده است.کارایی روش پیشنهادی با مقایسه نتایج با نتایج حاصل از روش مونت کارلو بر مبنای سطح پاسخ نشان داده شده است. خطای پیش بینی به ترتیب برای مقادیر میانگین و انحراف استاندارد، به میزان 22 % و 2% با استفاده از شبکه عصبی پیشنهادی نسبت به روش سطح پاسخ کاهش یافته است.

Keywords:

عدم قطعیت معرفتی , منحنی شکنندگی فروریزش , سازههای قاب خمشی , شبکه های عصبی مصنوعی , شبیه سازی مونت کارلو