برآورد میزان آسیب پذیری سازه های بتنی با استفاده از شبکه های عصبی مصنوعی
Publish place: 2nd International Conference on Concrete and Development
Publish Year: 1384
Type: Conference paper
Language: Persian
View: 1,849
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICCD02_CD2-019_9125648133
Index date: 21 October 2005
برآورد میزان آسیب پذیری سازه های بتنی با استفاده از شبکه های عصبی مصنوعی abstract
پس از وقوع یک زلزله، تصمیم گیری سریع در مورد ایمنی ساختمان، امکان ادامه بهره برداری از یک ساختمان و تعیین موقعیت و میزان خرابی مورد نظر، بسیار مهم و حیاتی می باشد . این امر تاکنون بوسیله بازدید محلی از ساختمان مورد نظر توسط افراد خبره و با تجربه انجام می گرفته که امری پرهزینه، وقت گیر و بسیار حساس بوده و از دقت بالایی برخوردار نمی باشد؛ بعلاوه همواره احتمال وجو د خرابی های وسیع و خطرناک اما غیرقابل رؤیت وجود دارد . هدف از انجام این مطالعه ارائه روشی برای تعیین وضعیت آسیب پذیری سازه های بتنی می باشد . برای این منظور ضمن انتخاب و تحلیل و طراحی تعدادی مدل سازه ای بتن آرمه دو بعدی با تعداد طبقات و دهانه های مختلف و شتا بنگاشت های زلزله ثبت شده بر روی خاک متوسط با سطوح PGA متفاوت، این مدل ها توسط نرم افزار IDARCتحلیل تاریخچه زمانی غیرخطی شده و مجموعه ای از داده ها بر حسب پارامترهایی چون تراز شتاب حرکت زمین، نسبت تعداد طبقات به تعداد دهانه ها و میزان خرابی بدست آمده، ایج اد شده وشبکه های عصبی مورد نیاز برای این مجموعه داده ها تربیت خواهند گردید . برای تعیین میزان خرابی از شاخص خرابی پارک وانگ استفاده شده است. نهایتاً با استفاده از شبکه های عصبی مذکور، وضعیت آسیب پذیری سازه های موجود، بررسی شده است.
برآورد میزان آسیب پذیری سازه های بتنی با استفاده از شبکه های عصبی مصنوعی Keywords:
برآورد میزان آسیب پذیری سازه های بتنی با استفاده از شبکه های عصبی مصنوعی authors
فیاض رحیم زاده رفویی
دانشیار دانشکده مهندسی عمران دانشگاه صنعتی شریف
علی کاوه
استادیار دانشگاه علم و صنعت مشاور مرکز تحقیقات ساختمان و مسکن
فرزاد ماستری فراهانی
کارشتاس ارشد مهندسی زلزله پژوهشکده ساختمان و مسکن
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 :