پیش بینی عملکرد لرزه ای سازه با استفاده ازشبکه عصبی مصنوعی
Publish place: 15th Civil Students Conference Nationwide
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 850
This Paper With 9 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:
شناسه ملی سند علمی:
CESC15_028
تاریخ نمایه سازی: 12 دی 1393
Abstract:
هدف اصلی این مطالعه پیش بینی عملکرد لرزه ای با استفاده از مدل شبکه عصبی مصنوعی است. سیستم ارزیابی لرزه ای مؤثر، مناسب، قابل اعتماد و هوشمند برای ساختمان ها با استفاده از شبکه عصبی مصنوعی مطالعه شده است. تحلیل دینامیکی غیر خطی به منظور به دست آوردن شاخص خسارت هریک از ساختمان ها انجام شد. الگوریتم شامل 15 نورون پنهان با 1 لایه پنهان دارای عملکرد بهتری نسبت به ترکیبات دیگر در پیش بینی شاخص خسارت ساختمان ها با دقت ارزش آماری 93% در مرحله آزمایش و هم چنین 75% در مرحله اعتبار سنجی است. عملکرد مخازن ذخیره مایع در طول زمین لرزه های گذشته نشان داده است که این سازه ها دربرابر زلزله آسیب پذیر است. مخازن ذخیره مایع در پالایشگاه- های نفت و پتروشیمی معمولا حاوی مواد خطرناک است. به همین دلیل صدمه به این ساختارها ممکن است سبب اثرات جدی غیر مستقیم، مانند انفجارها و آلودگی های زیست محیطی شود. داده های مورداستفاده درآموزش شبکه از آزمایشات انجام شده توسط گروه هوشپردازان مرکز تحقیقات دانشگاه آزاداسلامی قزوین استخراج شده است. به منظور توسعه این مدل 240 از داده های لرزه ای مربوطه جمع آوری شد. 50 نمونه به طور تصادفی به عنوان یک مجموعه آزمون انتخاب شده در حالی که134 نمونه باقی مانده برای آموزش شبکه مورد استفاده قرار گرفت. شبکه داده های مورد استفاده در مدل در قالب شش ورودی انجام شد. خروجی تایید کرد که شبکه عصبی مصنوعی، پتانسیل قابل قبولی برای پیش بینی عملکرد لرزه ای مخازن ذخیره مایع دارد.
Keywords:
Authors
معصومه طالبی
دانشگاه آزاد اسلامی واحد قزوین
سحر ذوالقدر
دانشگاه آزاد اسلامی واحد قزوین
حمیدرضا کارگر
دانشگاه آزاد اسلامی واحد قزوین
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 :