ViraScience.
Thesis

کاربرد شبکه های عصبی مصنوعی در پیش بینی رفتار لرزه ای قاب های بتنی با تاثیر میانقاب های بنایی

ایمان کاملی خوزانی

Abstract

قاب‏های بتن مسلح با میانقاب‏های بنایی یکی از متداول‏ترین سیستم‏های سازه‏ای در جهان می‏باشد. تاثیر میانقاب‏های مصالح بنایی بر روی مقاومت، سختی و شکل پذیری قاب‏های میانپر یکی از موضوعاتی است که در پنج دهه گذشته مورد توجه محققین رشته مهندسی سازه بوده است. در طول این مدت مطالعات آزمایشگاهی و تحلیلی فراوانی در سراسر دنیا انجام گرفته که به معرفی و شناخت پارامترهای مختلف و میزان تاثیر هر یک بر رفتار و شکل خرابی قاب‏های مرکب منجر شده است. وجود این پارامترهای فراوان و همچنین پیچیده بودن مدل‏های تحلیلی مختلفی که تاکنون برای آنالیز قاب‏های میانپر با دیوار مصالح بنایی معرفی شده‏اند، باعث شده میانقاب‏ها همچنان در روند تحلیل و طراحی سازه‏ها نادیده گرفته شوند. در حال حاضر با تولید و ارائه نرم افزارهایی ویژه و همچنین توسعه تدریجی نظریه‏های نو در زمینه طراحی لرزه ای نظیر توسعه مفهوم طراحی بر اساس سطح عملکرد که در سال 1992 توسط priestly) (paula معرفی شد، ضرورت در نظر گرفتن دیوارهای میانقاب در مراحل تحلیل و طراحی اهمیت بیشتری نسبت به قبل پیدا کرده است. هدف این تحقیق کاربرد شبکه های عصبی در تخمین رفتار لرزه ای ساختمان های بتن مسلح با تاثیر میانقابهای بنایی میباشد. در این تحقیق قابهای بتنی موجود در ایران با تغییر پارامترهای تعداد دهانه، تعداد طبقات، ضخامت میانقاب، مکانیزم طبقه نرم و درصد میانقاب (درصد بازشو) مدلسازی شده اند. منحنی ظرفیت تمام قابهای مدلسازی شده با استفاده از تحلیل پوشآور بدست آمد و پس از آن با استفاده از روش ضرایب جابجایی برای سه شتاب مبنای طرح (با خطر نسبی متوسط، زیاد و خیلی زیاد)، برش پایه و جابجایی بام (خروجیهای شبکه عصبی) در نقطه عملکرد (تغییر مکان هدف) محاسبه شده است. درنهایت تعداد 855 زوج آموزشی تولید و با استفاده از آنها دو شبکه عصبی، تابع بنیادی شعاعی (rbf) و شبکه‏ عصبی سه لایه پیش سو با 11 الگوریتم انتشار برگشتی (bp) با ساختارهای مختلف آموزش داده شد و بهترین ساختار برای هر شبکه با سعی و خطا بدست آمد. نتایج نشان می دهد که در بین الگوریتم انتشار برگشتی، الگوریتم lm از دقت و کارایی بالاتری نسبت به الگوریتم های دیگر برخوردار می باشد بطوریکه مقادیر برش پایه و جابجایی هدف در دسته آزمایش به ترتیب با خطای 5/1 و 8/1 درصد تخمین می زند، همچنین شبکه عصبی rbf با دقت و سرعت بسیار بالا مقادیر برش پایه و جابجایی بام را در دسته آزمایش به ترتیب با خطای 2/1 و 2/2 درصد تخمین می زند.

Supervisors and advisors

محمود میری

Similar items

  • کاربرد شبکه عصبی مصنوعی در پیش بینی رفتار تورمی خاکهای رسی

    Article2015مهندسی عمران مدرسحامد کمک پناه، سید شهاب الدین یثربی، علی اکبر گلشنی

    در این پژوهش از قابلیت شبکه عصبی مصنوعی برای پیش بینی رفتار خاک های متورم شونده رسی استفاده شده است. در این روش - داده ها با استفاده از انواع آرایش شبکه های چند لایه پرسپترون، که از پرکاربردترین نوع شبکه های عصبی است مدل شده اند. نتایج حاصل از این شبکه ها بر اساس شاخص های ارزیابی

  • کاربرد شبکه عصبی مصنوعی در پیش بینی رفتار تورمی خاکهای رسی

    Article2015مهندسی عمران مدرسحامد کمک پناه، سید شهاب الدین یثربی، علی اکبر گلشنی، علی اکبر گلشنی

    در این پژوهش از قابلیت شبکه عصبی مصنوعی برای پیش بینی رفتار خاک های متورم شونده رسی استفاده شده است. در این روش - داده ها با استفاده از انواع آرایش شبکه های چند لایه پرسپترون، که از پرکاربردترین نوع شبکه های عصبی است مدل شده اند. نتایج حاصل از این شبکه ها بر اساس شاخص های ارزیابی

  • کاربرد شبکة عصبی مصنوعی در پیش بینی و شبیه سازی شاخص اقلیمی خشک سالی هواشناسی دهک بارش (مطالعة موردی: استان سیستان و بلوچستان)

    Article2014مرتع و آبخیزداریآرش ملکیان، مه رو ده بزرگی، امیر هوشنگ احسانی، امیر رضا کشتکار

    محدودیت منابع آب ناشی از خشک سالی های متوالی، از مهم ترین معضلات استان سیستان و بلوچستان است.در این پژوهش برای پیش بینی سیکل خشک سالی در 9 ایستگاه هواشناسی استان سیستان و بلوچستان از شبکة عصبی مصنوعی استفاده شد. داده های مورد استفادة ورودی شبکه شامل بارش سالانه و شاخص دهک بارش (d

  • پیش بینی قیمت برخی محصولات زراعی در استان فارس: کاربرد شبکه عصبی مصنوعی

    Articleتولید محصولات زراعی و باغیبهاء الدین نجفی، b. najafi منصور زیبایی، m. zibaei محمدحسین شیخی، m. h. sheikhi محمدحسن طرازکار

    در این مطالعه به منظور پیش بینی قیمت عمده فروشی برخی محصولات زراعی شامل گوجه فرنگی، پیاز و سیب زمینی در استان فارس، برای افق زمانی یک، سه و شش ماه آتی از روش های معمول پیش بینی و شبکه عصبی مصنوعی استفاده شد. داده های مورد نیاز برای دوره مهر 1377 تا تیرماه 1384 از اداره جهاد کشاور

  • کاربرد شبکه عصبی مصنوعی و رگرسیون لجستیک در پیش بینی حضور علف های هرز در مزارع نخود دیم استان کردستان

    Article2014مجله دانش علف های هرز ایرانسحر منصوریان، ابراهیم ایزدی دربندی، محمدحسن راشد محصل، مهدی راستگو

    به منظور مقایسه توانایی مدل های شبکه عصبی مصنوعی با رگرسیون لجستیک در پیش بینی حضور علف های هرز، آزمایشی در 33 مزرعه نخود دیم استان کردستان در سال زراعی 92-1391 انجام شد. برای این منظور، اطلاعات اقلیمی و خاکی به عنوان متغیرهای مستقل و حضور و عدم حضور علف های هرز غالب به عنوان متغ

  • مقایسه کاربرد شبکه عصبی مصنوعی (ann) با سیستم استنتاج فازی (fis) در پیش بینی جریان رودخانه زاینده رود

    Articleتحقیقات منابع آب ایرانندا پوستی زاده، دانشجوی دکتری/ سازه های آبی، دانشگاه شهید چمران، اهواز، ایران نعیمه نجفی، کارشناسی ارشد/ سازه های آبی، دانشگاه مازندران، ایران

    یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل سازی سیستم هایی که دارای پیچیدگی زیاد یا عدم صراحت بوده و یا داده های کافی از آنها موجود نیست، استفاده از تئوری مجموعه های فازی و شبکه عصبی مصنوعی می باشد. مزیت اصلی این تکنیک ها نسبت به روش های رایج این است که در مدت زمان نسبتاً ک