تولید شتاب نگاشت های مصنوعی با استفاده از ترکیب شبکه های عصبی و ویولت ها

نویسندگان

خسرو برگی

پردیس دانشکده های فنی، دانشکده ی مهندسی عمران ، دانشگاه تهران علی کاوه

دانشکده ی مهندسی عمران، دانشگاه علم و صنعت ایران کارو لوکس

پردیس دانشکده های فنی، دانشکده ی مهندسی برق و کامپیوتر، دانشگاه تهران حسین رحامی

پردیس دانشکده های فنی، گروه علوم پایه مهندسی، دانشگاه تهران

چکیده

تولید شتاب نگاشت های مصنوعی مناسب، با توجه به کمبود رکوردهای ثبت شده ی زلزله و همچنین محدودیت و اشکالات موجود در آن ها از یک سو و استفاده ی روزافزون از آنالیز دینامیکی تاریخچه ی زمانی برای محاسبه ی پاسخ سیستم ها از طرف دیگر، امری ضروری به نظر می رسد. با توجه به کمبود رکوردهای طبیعی، بهترین راه عملی استفاده از رکوردهای مصنوعی مناسب در منطقه ی موردنظر است. این شتاب نگاشت ها باید به نحوی ایجاد شوند که خصوصیات لرزه خیزی مناطق گسترده یی را در بر داشته و برای طراحی سازه مناسب باشند. ویولت ها قادرند تا یک سری زمانی را به چندین تراز مجزا تجزیه کنند، به گونه یی که هر تراز یک حریم خاص بسامدی را پوشش دهد. در اینجا از ترکیب شبکه های عصبی و ویولت ها برای رسیدن به شتاب نگاشت مصنوعی با طیف پاسخ مشابه با طیف هدف استفاده شده است. نظریه ی ویولت ها ما را قادر می سازد تا بتوانیم رکوردهای متعددی تولید کنیم که همگی یک ویژگی ثابت، یعنی تبعیت از یک طیف هدف را داشته باشند.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

روشی نوین برای تولید شتاب نگاشت مصنوعی زلزله با استفاده از تبدیل ویولت پاکت و سطرجدید شبکه های عصبی رگرسیون تعمیم یافته

برای طرح سازه های مقاوم در مقابل زلزله، یکی از مسائل و موارد مهم تحلیل دینامیکی این سازه ها براساس طیف طرح یا روش تاریخچه زمانی است. با توجه به استفاده ی روزافزون از تحلیل دینامیکی تاریخچه زمانی برای محاسبه ی پاسخ سازه ها، تولید شتاب نگاشت های مصنوعیِ مناسب به علت کمبود رکوردهای ثبت شده ی زلزله و نیز محدودیت و اشکالات موجود در آن ها، امروزه امری ضروری به نظر می رسد. در این نوشتار با استفاده از ت...

متن کامل

تولید شتابنگاشتهای مصنوعی مرتبط با ایران با استفاده از شبکه های عصبی

در این مقاله به معرفی یک روش جدید در تولید شتابنگاشتهای مصنوعی سازگار با طیف هدف پرداخته می شود. این شبکه برای داده های مربوط به ایران آموزش و تست شده است. روش مزبور در ادامه کار آقایان قابوسی ولین [2،1] انجام شده است، که بر این مبنا اقدام به تولید رکوردهای مصنوعی برای منطقه امریکا نموده اند. از ویژگیهای شبکه به کار گرفته شده توسط ا ین دو مدت زمان بسیار زیاد آموزش شبکه می باشد که در حدود یک هف...

متن کامل

تولید شتابنگاشت مصنوعی زلزله با استفاده از شبکه عصبی فازی

نیاز روزافزون به تحلیل دینامیکی تاریخچه زمانی و عدم­وجود شتابنگاشت­های مناسب در مناطق مختلف، تولید شتابنگاشت­های مصنوعی سازگار با طیف طرح را ضروری می­سازد. هدف اصلی این تحقیق ارائه روشی نوین، بر اساس تبدیل بسته موجک و روش های هوش مصنوعی  برای تولید شتابنگاشت مصنوعی زلزله سازگار با طیف طرح بر اساس مقدار بزرگا، فاصله از گسل و طیف مربوطه می باشد. در این تحقیق از شبکه های عصبی فازی و آنالیز موجک پک...

متن کامل

تخمین پارامترهای شتاب، سرعت و جابجایی ماکزیمم زمین با استفاده از شبکه عصبی مصنوعی

به منظور انجام تحلیل‏های دینامیکی و همچنین تعیین میزان خطرپذیری در هر منطقه بایستی بتوان پارامترهای زمین‌لرزه‌ احتمالی آن منطقه را تخمین زد. در این مقاله تلاش خواهد شد با استفاده از شبکه عصبی مصنوعی مقادیر شتاب، سرعت و جابجایی ماکزیمم زمین تخمین زده شود. بدین منظور از شبکه‏ها‏ی عصبی به عنوان یکی از روش‏ها و تکنیک‏های کاربردی هوش مصنوعی در ارائه یک روش محاسباتی ساده‏تر برای حذف تردیدها و عدم قطع...

متن کامل

پیش بینی سقوط بازار سهام با استفاده از شبکه های عصبی نگاشت خود سازمان ده

سقوط بازار پدیده­ای است که سبب از دست رفتن ثروت و دارایی سرمایه‎گذاران در بازۀ زمانی نسبتاً کوتاهی می­شود، از این رو تلاش برای پیش­بینی آن از اهمیت زیادی برای سرمایه­گذاران، سیاست‎گذاران، نهادهای مالی و دولت برخوردار است. بررسی اجمالی تئوری­ها و مدل‎های ارائه‎شدۀ پیش­بینی سقوط در بازار سهام نشان می­دهد میان پژوهشگران دربارۀ الگوهای مشاهده‎شدۀ متغیرها، مانند حجم معامله، بازده‎ها، نوسان‎پذیری، عوا...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
مهندسی عمران شریف

جلد ۲۰۱۲، شماره ۳، صفحات ۷۹-۸۸

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023