تحلیل غیر خطی سازه ها به روش طیف ظرفیت با استفاده از شبکه های عصبی
Publish place: 2nd Thin-Walled Structures Conference
Publish Year: 1384
Type: Conference paper
Language: Persian
View: 2,174
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
TWSC02_038
Index date: 23 May 2007
تحلیل غیر خطی سازه ها به روش طیف ظرفیت با استفاده از شبکه های عصبی abstract
امروزه با توجه به توانائی شبکه های عصبی، کاربرد آنها درعلوم و رشته های مختلف مهندسی گسترش قابل ملاحظه ای داشته است. این سیستم در مهندسی عمران نیز کاربرد فراوانی یافته است. از جمله مشخصه های اصلی سیستم های شبکه عصبی قابلیت فراگیری آنها است که دارای انعطاف پذیری بسیاری می باشد. بنابراین در الگوریتم هایی که تکرار عملیات تحلیل باعث افزایش حجم مجاسبات می گردد.می توان از آنها بعنوان یک تحلیل کننده سریع سازه ها استفاده کرد. در این تحقیق از شبکه های عصبی تابع بنیادی شعاعی (RBF)، برای تقریب منحنی pushover و مختصات نقطه عملکرد که در طرح لرزه ای سازه ها بر اساس تحلیل غیر خطی استاتیکی کاربرد دارد. استفاده می شود. شبکه های عصبی RBF در مقایسه با سایر شبکه های عصبی مصنوعی دارای قدرت درونیابی و آموزش سریعتر می باشند. بردار در این شبکه شامل سطح مقطع و ممان اینرسی اعضاو بردار خروجی آن مختصات منحنی pushover و نقطه عملکرد سازه مورد نظر می باشد. مقادیر بردار خروجی با استفاده از نرم افزار SAP2000 محاسبه می گردد. نتایج بدست آمده نشان دهنده وقت بسیار خوب شبکه های RBF درتقریب پارامترهای لرزه ای سازه ها می باشد.
تحلیل غیر خطی سازه ها به روش طیف ظرفیت با استفاده از شبکه های عصبی Keywords:
تحلیل غیر خطی سازه ها به روش طیف ظرفیت با استفاده از شبکه های عصبی authors
عیسی سلاجقه
استاد بخش مهندسی عمران، دانشگاه شهید باهنر کرمان
محسن صادقی سبزواری
دانشجوی کارشناسی ارشد، بخش مهندسی عمران، دانشگاه شهید باهنر کرمان
احد فربود
دانشجوی کارشناسی ارشد، بخش مهندسی عمران، دانشگاه شهید باهنر کرمان
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 :