مدل شبکه های عصبی مصنوعی روش جدیدی برای ایجاد سیستم دانش و براساس جمع آوری اطلاعات نمونه است دانش مورد استفاده در این مدل برای پیش بینی پاسخ لرزه ای است که عمدتا مبتنی بر داده های واقعی است که با استفاده از مدل می توان از آن بهره مند شد در این مقاله با استفاده از شبکه عصبی مصنوعی ANN مدلی برای پیش بینی پاسخ سیستم سازه ای با استفاده از اطلاعات زمین لرزه های بوقوع پیوسته طبس و منجیل بدست می آید. این مدل سازی در نرم افزار مطلب Matlab انجام گرفته است در این تحقیق براساس مکانیزم های یادگیری شبکه های مصنوعی سعی می شود با تهیه یک باند اطلاعاتی از نتایج زمین لرزه های بوقوع پیوسته روشی برای پیش بینی پیشینه پاسخ سازه ای تحت زمین لرزه ارائه نمود حسن اصلی این روش کارایی بالای آن در عمل بوده و با سرعت زیاد می توان پاسخ سازه راتحت هر نوع زمین لرزه تعیین مود پیش بینی پیشینه مقادیر زلزله اهمیت حیاتی برای ایمنی انسان دارد و زمین لرزه یک فرآیند بسیار پیچیده و دینامیکی غیرخطی است این را نمی توان به اندازه کافی با هر مدل سازی قطعی پیش بینی کرد لذا دراین مقاله یک مدل دینامیکی از شبکه های عصبی مصنوعی جهت پیش بینی زلزله مورد بررسی قرار گرفته است که از چند سری از داده زلزله های قبلی رخ داده جهت پیش بینی مدل دینامیکی غیرخطی مقادیر پیشینه زلزله استفاده شده است شبکه های عصبی مصنوعی ANN یعنی روش بازگشتی پس انتشار به عقب FFBP برای پیش بینی حداکثر تغییر مکان PGD حداکثر سرعت PGV و حداکثر شتاب PGA زمین لرزه به کار گرفته شده است در این تحقیق براساس مکانیزم های یادگیری مدل شبکه های مصنوعی سعی می شود با تهیه یک بانک اطلاعاتی از نتایج حدود 30 رکوردار از 10 زمین لرزه اتفاق افتاده در سال های 1357 تا 1380 ناشی از حرکات زمین لرزه در شهرهای طبس و منجیل روشی برای پیش بینی مقادیر پاسخ زلزله (تغییر مکان سرعت و شتاب) ارائه نمود.
سال انتشار: 1392
تعداد صفحات: 10
فرمت فایل: pdf
پیش بینی بیشنه پاسخ (تغییر مکان ، سرعت و شتاب) ناشی از رکورد زلزله های طبس و منجیل با استفاده مدل سازی شبکه های عصبی مصنوعی