تخمین پارامترهای شتاب، سرعت و جابجایی ماکزیمم زمین با استفاده از شبکه عصبی مصنوعی
نویسندگان
چکیده مقاله:
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 قطعیتها در معادلات کاهندگی موجود استفاده شده است. در الگوریتم آموزشی بکار رفته، متوسط سرعت موج برشی در 30 متر اول لایه زمین، بزرگای زلزله، فاصله منشاء تا محل و عمق کانونی زلزله به عنوان پارامترهای ورودی و مقادیر ماکزیمم شتاب، سرعت و جابجایی به عنوان خروجیهای این شبکهها در نظر گرفته شده است. در این تحقیق از 2880 رکورد زلزله ثبت شده در "پروژه تولید نسل جدید روابط کاهندگی" استفاده شده که بزرگای زلزله در این رکوردها بین 5/4 تا 9/7 ریشتر، فاصلهی ایستگاه ثبت رکورد زلزله تا مرکز زلزله بین 3/2 تا 195 کیلومتر، عمق کانونی زلزله بین 5/0 تا 29 کیلومتر و سرعت متوسط امواج برشی در 30 متر اول لایهی زمین بین 116 تا 2016 متر بر ثانیه می‌باشد. نتایج بیانگر عملکرد مناسب و مطلوب شبکه‌‌های عصبی در تخمین پارامترهای جنبش نیرومند زمین می‌باشد.
منابع مشابه
تخمین پارامترهای گسل مسبب زلزله با استفاده از میدان جابجایی هم‌لرزه آن و الگوریتم شبکه های عصبی مصنوعی
کشور ما در یک پهنه لرزه خیز واقع شده است و دارای گسل های فعال می‌باشد که میلیون ها انسان تحت تهدید یک زلزله احتمالی در این مناطق از کشورمان زندگی می‌کنند، مطالعه گسل های فعال امری حیاتی محسوب می‌شود. هدف این مقاله بدست آوردن اطلاعات مربوط به پارامترهای گسل با استفاده از مجموعه مشاهدات تغییرشکل که مسئله معکوس ژئوفیزیک نامیده می‌شود. در اغلب مسایل معکوس، ماتریس مشاهدات مسأله به علت وابسته بودن...
متن کاملمدلسازی میدان سرعت پوسته زمین با استفاده از شبکه‌‌های عصبی مصنوعی ANNsبررسی موردی: شبکه ژئودینامیک ایران)
در این مقاله از یک شبکه عصبی مصنوعی پرسپترون 3 لایه با 28 نورون در لایه مخفی به‌منظور مدلسازی مولفه شرقی (VE) و 27 نورون در لایه مخفی برای مدلسازی مولفه شمالی (VN) میدان سرعت پوسته زمین در منطقه ایران استفاده شده است. ارزیابی نتایج به‌دست آمده از شبکه عصبی مدلسازی شده در 11 ایستگاه آزمون GPSکه بردارهای سرعت آنها نسبت به صفحه اوراسیا مشخص بوده،صورت گرفته است. کمینه خطای نسبی به‌دست آمده از ...
متن کاملتخمین انرژی شکست بتن با استفاده از شبکه عصبی مصنوعی
بتن یکی از رایجترین مصالح صنعتی و ساختمانی است که به دلیل اقتصادی بودن اهمیت روز افزونی پیدا میکند. در سال‌های اخیر با بهره‌گیری از روش‌های مختلف آزمایشگاهی، پارامترهای شکست مواد سیمانی مانند بتن مورد بررسی قرار گرفته است؛ نقش این پارامترها در طراحی سازههای سطحی و زیرسطحی از اهمیت ویژه‌ای برخوردار است. در این مقاله مدل شکست بر اساس شبکه عصبی برای تخمین پارامترشکست بتن GF(انرژی مخصوص شکس...
متن کاملتخمین سختی برشی شکست ( ) با استفاده از شبکه عصبی مصنوعی
در سال‌های اخیر با بهره‌گیری از روش‌های مختلف آزمایشگاهی، چگونگی مد برشی شکست با استفاده از نمونه‌های سنگی مورد بررسی قرار گرفته است. اغلب گسیختگی‌های رخ داده در طبیعت در اثر عملکرد نیروهای کششی و برشی در توده سنگ می‌باشد. تعیین دقیق سختی برشی شکست برای درک و تحلیل رفتار گسیختگی‌ها در حفریات سطحی و زیرزمینی از اهمیت ویژه‌ای برخوردار می‌باشد. بررسی جامع دستاوردهای علمی‌در خصوص تعیین سختی برش...
متن کاملتخمین پارامترهای گسل مسبب زلزله با استفاده از میدان جابجایی هم لرزه آن و الگوریتم شبکه های عصبی مصنوعی
کشور ما در یک پهنه لرزه خیز واقع شده است و دارای گسل های فعال می باشد که میلیون ها انسان تحت تهدید یک زلزله احتمالی در این مناطق از کشورمان زندگی می کنند، مطالعه گسل های فعال امری حیاتی محسوب می شود. هدف این مقاله بدست آوردن اطلاعات مربوط به پارامترهای گسل با استفاده از مجموعه مشاهدات تغییرشکل که مسئله معکوس ژئوفیزیک نامیده می شود. در اغلب مسایل معکوس، ماتریس مشاهدات مسأله به علت وابسته بودن مش...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 5 شماره 19
صفحات 11- 21
تاریخ انتشار 2009-12-22
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023