استفاده از شبکه های عصبی مصنوعی در تحلیل مودال پوش اور

thesis
abstract

تخمین تقاضای لرزه ای ساختمان ها در سطوح عملکردی همچون سطح عملکرد تامین ایمنی جانی و جلوگیری از فرو ریزش، نیاز به بررسی رفتار غیر خطی سازه ها دارد. در سال های اخیر روش تحلیل استاتیکی غیر خطی به عنوان یک روش کارا در تعیین رفتار سازه ها معرفی شده است. تحلیل استاتیکی غیر خطی به علت سادگی توانسته است در بسیاری از موارد جایگزین روش های دینامیکی غیر خطی گردد. با این حال این روش در تعیین پاسخ سازه ای خالی از ضعف نبوده و در مواردی ایرادهای جدی بر آن وارد شده است. برای اصلاح ضعف های تحلیل روش استاتیکی غیر خطی روش های مختلفی همچون pushover analysis(mpa) modal وadaptive pushover analysis ارائه شده است. در روش mpa تقاضای لرزه ای در بسط مودال نیروهای موثر زلزله، به وسیله یک تحلیل پوش اور (بار افزون) با به کاربردن توزیع نیروی اینرسی برای هر مود تعیین می شود. از این تحلیل به منظور تخمین پاسخ حداکثر سیستم چند درجه آزادی غیر خطی استفاده می شود و سازه تا رسیدن به تغییر مکان هدف در نقطه کنترل بر اساس توزیع بار جانبی متاثر از مودهای ارتعاشی سازه پوش داده می شود و پاسخ مودال ماکزیمم به دست آمده برای مودهای مختلف با استفاده از یک قانون ترکیب مودال مناسب مانند srss جهت تخمین مقدار ماکزیمم پاسخ کل ترکیب می شوند. استفاده از روش srss که در تحلیل های خطی متداول می باشد، می تواند توام با خطاهای زیادی در تعیین پاسخ غیر خطی سازه ها باشد. در این پژوهش جهت تعیین حداکثر پاسخ کل، به جای روش فوق از الگوی شبکه عصبی مصنوعی استفاده می گردد. با طراحی یک شبکه عصبی چند لایه و استفاده از داده های آموزشی که نتایج تحلیل های مودال پوش اور و تاریخچه زمانی قاب های بتنی با تعداد طبقات مختلف می باشد، شبکه مورد نظر آموزش داده می شود. برای آموزش شبکه از شبکه های چند لایه پرسپترون (mlp) با الگوریتم یادگیری لونبرگ – مارکوارت و با تعداد نرون های متغییر برای لایه میانی استفاده می گردد. جهت بررسی عملکرد شبکه برای داده های ارزیابی، از شبکه عصبی آموزش داده شده، استفاده می شود. در نهایت خروجی به دست آمده از شبکه عصبی مصنوعی و روش srss با خروجی تحلیل تاریخچه زمانی (به عنوان مرجع) در نمودارهائی مورد مقایسه قرار گرفتند که نتایج قابل قبولی مشاهده شد.

Already have an account?login

similar resources

تحلیل مؤلفه‌های فرهنگ‌سازمانی دانش‌محور با استفاده از شبکه عصبی مصنوعی

این پژوهش به تحلیل مولفه های فرهنگ سازمانی دانش محور به منظور نیل به اثربخشی عملکرد با استفاده از شبکه عصبی مصنوعی می‌پردازد.پژوهش حاضر ازنظر نوع استفاده کاربردی است که با روش آمیخته اکتشافی انجام‌شده است. در تدوین ادبیات پژوهش با استفاده از روش بررسی اسنادی و نتایج حاصل از آن، مصاحبه‌های عمیق حضوری در چندین نوبت با 20 نفر از خبرگان دانشگاهی به عمل آمد. پس از ثبت مصاحبه‌ها، داده‌ها به روش تحلیل...

full text

تحلیل پوش اور مودال بر اساس برش طبقه برای سازه های نا منظم در پلان

با توسعه کاربرد تحلیل پوش آور در سال های اخیر روش های پوش آور پیشرفته متعددی با الگوی بار مودال جهت لحاظ کردن اثر مودهای بالاتر پیشنهاد شده است. با اینحال اکثر این روشها برای مدلهای دوبعدی پایه گذاری شده و اثرات پیچش در آنها در نظر گرفته نشده است. اخیر? مطالعات اندکی جهت توسعه کاربرد روش پوش آور بر روی سازه های سه بعدی انجام گرفته است. در این پایان نامه، یک روش جدید پوش آور مودال یکبار اجر ا بر...

15 صفحه اول

بررسی رفتار کاهنده چرخه هیسترزیس در تحلیل های غیرخطی (پوش اور) برای قاب های بتنی خمشی ویژه با دیوار برشی

در سالیان اخیر محققین گام‌های مؤثری در بهسازی لرزه‌ای سازه‌ها برداشته‌اند و دیدگاه آنان در فراهم آوردن طرح ایمن از تأمین مقاومت، متوجه عملکرد سازه‌ها گردیده است. روش تحلیل استاتیکی غیر‌خطی یا بارافزون یکی از روش‌های نوینی است که علاوه بر سرعت بالا و سادگی محاسبات، مورد توجه قرار گرفته است. دستورالعمل بهسازی لرزه‌ای و FEMA356 این روش را مورد توجه قرار داده‌اند. نتیجه این تحلیل تغییر‌مکان هدفی اس...

full text

استفاده از شبکه های عصبی مصنوعی برای برآورد هدایت هیدرولیکی اشباع از ویژگی های زودیافت خاک

full text

مدل‌سازی بازده کششی تراکتور با استفاده از شبکه عصبی مصنوعی

در این مطالعه آزمایش­های مزرعه­ای در شرایط متفاوت عمق شخم، سرعت پیشروی و میزان وزنه­های متصل به تراکتور انجام شد. در این تحقیق، عمق شخم در چهار سطح 5، 10، 15 و 20 سانتی­متر، سرعت­های پیشروی در چهار سطح 5/2، 5/3، 5/4 و 5/5 کیلومتر بر ساعت و میزان سنگین­کننده نیز در چهار سطح 0، 40، 80 و 120 کیلوگرم قرار گرفت. شبکه­های عصبی مدل­سازی شده در این تحقیق که به­ منظور پیش­بینی بازده کششی تراکتور مورد اس...

full text

تعیین ارزش دارایی‌های نامشهود با استفاده از شبکه عصبی مصنوعی

درک عوامل موثر بر ارزش شرکت برای سرمایه‌گذاران و اعتباردهندگان پیش از اتخاذ تصمیمات سرمایه‌گذاری یا اعطای تسهیلات، امری حیاتی است. از آن‌جایی که اقتصاد دانش‌محور در حال تکامل یافتن است، روش ایجاد ارزش شرکتی از شیوه سنتی مبتنی بر دارایی‌های فیزیکی به دانش نامشهود منتقل شده است. از این‌رو در آینده نه چندان دور، ارزش‌گذاری دارایی‌های نامشهود به موضوع مهمی در اقتصاد مبدل خواهد شد. این مطالعه بر آن ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023