جستجوی مقالات مرتبط با کلیدواژه

artificial accelerogram

در نشریات گروه مدیریت

تکرار جستجوی کلیدواژه artificial accelerogram در نشریات گروه علوم انسانی

تکرار جستجوی کلیدواژه artificial accelerogram در مقالات مجلات علمی

انتخاب همه

مدل سازی ضرایب بزرگنمایی امواج لرزه ای به روش شبکه عصبی (مطالعه: شهر ارومیه)

نجمه علیدادی *، عباس مهدویان

نشریه دانش پیشگیری و مدیریت بحران، سال ششم شماره 3 (پیاپی 21، پاییز 1395)، صص 284 -294

زمینه و هدف
اثرات خاک در طیف طراحی اغلب آیین نامه های طراحی لرزه ای، براساس جنس خاک و متوسط سرعت موج برشی در لایه های مختلف لحاظ شده است. در این طیف های طراحی، برخی اثرات ویژه ساختگاهی مانند اثرات ضخامت و عمق سنگ بستر لرزه ای نادیده گرفته شده است. تجربیات زلزله های پیشین ثابت کرده، ضخامت لایه های خاک بر پاسخ زمین و در نتیجه بر توزیع خسارات سازه ای تاثیر مهمی داشته و غیر قابل چشم پوشی است. ایران از جمله کشورهای زلزله خیز جهان است. شهر ارومیه در منطقه ای با پتانسیل لرزه ای نسبتا بالا و در شمال غرب آن واقع شده است. در این مقاله سعی شده است تاثیر تقویت امواج لرزه ای در خاک های ماسه ای و مارنی با ضخامت های متفاوت در این منطقه مورد بررسی قرار می گیرد.
روش
در این آنالیزها از شتاب نگاشت های مصنوعی شبیه سازی شده براساس نتایج تحلیل خطر لرزه ای به عنوان حرکت ورودی برای آنالیز استفاده شده است. پیش بینی مقادیر ضرایب بزرگنمایی زلزله از اهمیت حیاتی برای ایمنی انسان دارد و زلزله یک فرآیند بسیار پیچیده و دینامیکی غیرخطی است و این را نمی توان به اندازه کافی با هر مدلسازی قطعی پیش بینی کرد. بنابراین در این مقاله یک مدل دینامیکی از شبکه های عصبی مصنوعی جهت پیش بینی زلزله مورد بررسی و تحلیل قرار گرفته است. مدل شبکه عصبی مصنوعی، روش جدیدی برای ایجاد سیستم دانش براساس جمع آوری اطلاعات نمونه است.
یافته
دانش مورد استفاده در این مدل شبکه عصبی برای پیش بینی پاسخ لرزه ای است که عمدتا مبتنی بر داده های واقعی است که با استفاده از این مدل می توان از آن بهره مند شد. در این مقاله با استفاده از شبکه عصبی مصنوعی (ANN) مدلی برای پیش بینی ضرایب بزرگنمایی لرزه ای به دست می آید. امتیاز اصلی این روش کارایی بالای آن در عمل بوده و با سرعت زیاد می توان پاسخ سازه را تحت شتاب نگاشت ها تعیین کرد.
نتیجه گیری
در این مطالعه نتایج به دست آمده از شبکه عصبی مصنوعی با استفاده از معیارهای ضریب همبستگی و جذر میانگین مربعات خطا جواب های دقیقی را ارائه کرده است و می توان از نتایج به دست آمده در ارزیابی لرزه ای خاک های ماسه ای و مارنی شهر ارومیه استفاده کرد.

کلید واژگان: تحلیل خطی معادل، اثرات ساختگاهی، تحلیل خطر لرزه ای، ضریب بزرگنمایی، شتاب نگاشت مصنوعی، شبکه عصبی مصنوعی

چکیده مشاهده متن زبان: فارسی

Modeling the amplification of seismic waves with artificial Neural network (Case Study: Urmia City)

Najme Alidadi*, Abbas Mahdavian

Journal of Disaster Prevention and Management Knowledge, Volume:6 Issue: 3, 2016, PP 284 -294

Background And Objective
Soil effects in seismic design codes is often based on soil type and average shear wave velocity in different layers. In some seismic design codes, some effects such as the effects of thickness and depth of the bedrock seismic structure are ignored. Past earthquakes experience has proved that thickness of soil layers has a significant impact on the earth response and is unavoidably. Since, Iran is located in the seismic belt areas of the world, and Urmia city is also located in a high seismic potential area of Iran, so in this research, the effect of amplifying seismic waves in marl and sandy soils with different thicknesses has been examined in this area.
Methodology
One dimensional analysis of sandy and marl with unequal thicknesses done by considering the place geotechnical characteristics. It is used from artificial accelerograms simulated based on seismic hazard analysis results as input motion of analysis in this analysis. This amplification ratio is modeled by neural network. Artificial neural network model is a new way to create a knowledge system based on collecting sample data.
Finding: Knowledge used in this model is a neural network to predict the seismic response that is mainly based on real data which can be utilized by using this model. In this paper, a model is designed using artificial neural network (ANN) to predict seismic magnification coefficients. The main advantage of this method is high performance in operation and high speed response of structures under Accelerograms be determined.
Conclusion
In this study, the results of artificial neural network using correlation coefficients and root mean square error criteria has been used to offer precise answer and the obtained results can be used in evaluating sand and marl soils in seismic in Urmia city.

Keywords: Equivalent linear analysis, Site effects, Seismic hazard analysis, Amplification ratio, Artificial accelerogram, Artificial Neural network

Abstract View Paper Original: Persian

نکته

نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.

به جمع مشترکان مگیران بپیوندید!

artificial accelerogram