تخمین مقادیرحداکثر شتاب جنبش نیرومند زمین توسط سه مدل شبکه های عصبی مصنوعی

Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 107

This Paper With 21 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_BESE-3-4_001

تاریخ نمایه سازی: 16 آبان 1400

Abstract:

در این تحقیق، برای برآورد بیشینه شتاب جنبش نیرومند زمین در یک منطقه، از سه نوع شبکه ی عصبی مصنوعی با الگوریتم های متفاوت استفاده شده است که عبارتند از: شبکه ی عصبی- فازی هم فعال، المان– جردن و پیشخور با الگوریتم پس انتشار خطا. بردارهای ورودی شبکه های عصبی، شامل چهار پارامتری هستند که تاثیرات مهمی در وقوع زمین لرزه در یک منطقه دارند. این پارامترها عبارتند از: بزرگی ممان زلزله، شعاع گسیختگی کانون زلزله، مکانیسم گسل و رده بندی ساختگاه. بردار خروجی نیز فقط یک مولفه دارد: حداکثر شتاب جنبش نیرومند زمین برای یک زمین لرزه رخ داده در یک منطقه که به عنوان خروجی هدف استفاده می شود. پس از انجام آزمایش های مختلف، از میان شبکه های عصبی طراحی شده، شبکه ی عصبی- فازی هم فعال (سی آنفیس) بالاترین ضریب همبستگی خروجی، برابر ۸۲/۰ و شبکه پیشخور با الگوریتم پس انتشار خطای عمومی، کمترین ضریب همبستگی ۴۱/۰ را نشان می دهد. همچنین شبکه سی آنفیس، کمترین میانگین مربعات خطای ۰۷۵/۰ و شبکه ی پیشخور، بیشترین میانگین مربعات خطای ۱۲۵/۰ را داشته است. در این تحقیق، شبکه عصبی – فازی هم فعال، بهترین شبکه ی عصبی است که می تواند حداکثر دامنه شتاب احتمالی بالاتر از g۱ در یک منطقه را برآورد کند.

Keywords:

حداکثر شتاب جنبش نیرومند زمین , بزرگی ممان زلزله , شبکه پیشخور پس انتشار خطا , رده بندی ساختگاه , شبکه المان جردن

Authors

علی نصراله نژاد

پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله، تهران

مصطفی علامه زاده

پژوهشکده زلزله شناسی، پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله، تهران

غلام جوان دلویی

پژوهشکده زلزله شناسی، پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله، تهران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Gullo, H. and Ercelebi, E. (۲۰۰۷) A neural network approach ...
  • Kreh, T. and Chaw, D. (۲۰۰۲) Neural network approach and ...
  • Strasser, F.O., Bommer, J.J., and Abrahamson, N.A. (۲۰۰۸) Truncation of ...
  • Strasser, F.O. and Bommer, J.J. (۲۰۰۹) Large-amplitude ground-motion recordings and ...
  • Moradzadeh, A. and Bakhshi, E. (۲۰۰۶) Simulation of photoelectric log ...
  • Cartalopus, S.V. (۲۰۰۳) Fuzzy Logic and Neural Networks, Applications and ...
  • Gunaydin, K. and Gunaydin, A. (۲۰۰۸) Peak ground acceleration prediction ...
  • Kia, S.M. (۲۰۱۱) Neural Networks in Matlab. Qian Academic Publishing, ...
  • McGarr, A., Green, R.W.E., and Spottiswood, S.M. (۱۹۸۱) Strong ground ...
  • Shakal, A.F., Haddadi, H.R., Graizer, V., Lin, K., and Huang, ...
  • Shing, J. and Jang, R. (۱۹۹۳) ANFIS: adaptive network based ...
  • Werbos, P. J. (۱۹۷۴) Beyond Regression, New Tools for Prediction ...
  • Jang, J.S.R., Sun, C.T., and Mizutani, E. (۱۹۹۷) Neuro-Fuzzy and ...
  • Haykin, S. (۱۹۹۹) Neural Networks, a Comprehensive Foundation. Prentice Hall, ...
  • Altun, S., Guktepe, A.B., Ansal, A.M., and Kguner, C.A. (۲۰۰۹) ...
  • Jang, J.S.R and Sun, C.T. (۱۹۹۵) Neuro-Fuzzy modeling and control. ...
  • Tsukamoto, Y. (۱۹۷۹) ‘An approach to reasoning method’. In: Advances ...
  • Rumelhart, D.E. and Mc.Clelland, J.L. (۱۹۸۶) Parallel Distributed Processing. Vol ...
  • Krose, B. and Smagt, P.V. (۱۹۹۶) An Introduction to Neural ...
  • Jordan, M.I. (۱۹۸۶) Attractor Dynamics and parallelism in a connectionist ...
  • Elman, J.L. (۱۹۹۰) Finding structure in time. Cognitive Science, ۱۴, ...
  • نمایش کامل مراجع