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

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.