پیش‌بینی خسارت لرزه‌ای سازه‌های خمشی فولادی به کمک شبکه عصبی

نوع مقاله : یادداشت پژوهشی

نویسندگان

دانشکده مهندسی عمران و محیط زیست، دانشگاه تربیت مدرس تهران

چکیده

تاکنون روابط مختلفی جهت محاسبه‌ خسارت لرزه‌ای سازه‌ها از ‌جمله شاخص‌های خسارت بر اساس شکل‌پذیری، استهلاک انرژی و ترکیب شکل‌پذیری و استهلاک انرژی ارائه شده ‌است. برای ارزیابی خسارت یک سازه در مقابل زلزله‌ای که تجربه می‌کند، نیاز به انجام تحلیل دینامیکی غیر خطی می‌باشد و چون این روش زمان طولانی برای به دست آوردن پاسخ سازه در مقابل بار لرزه‌ای نیاز دارد، در این مقاله ضمن ارائۀ شاخص جدیدی که شاخص خسارت بر اساس کاهش سختی نامیده شده است، یک شبکه عصبی تربیت و معرفی شده است که به کمک آن با صرف زمان بسیار کم، وضعیت خسارت سازه را برای انواع شاخص­های خسارت در مقابل بار لرزه‌ای پیش‌بینی می­کند؛ به طوری که با نتایج تحلیل دقیق آن مطابقت نسبی دارد. غلبه بر پیچیدگی­های مرتبط با مشخصات زلزله و تنظیم شبکه برای کارکرد مناسب برای انواع سازه ها از نقاط قوت این شبکه است. شبکۀ پیشنهادی می­تواند توسط نرم افزارهای تحلیل و طراحی برای پیش­بینی خسارت سازه به کار رود.

کلیدواژه‌ها


عنوان مقاله [English]

Seismic Damage Forecasting for Steel Moment Frames using Neural Networks

نویسندگان [English]

  • Hamid Moharrami
  • Seyed Hassan Madani
Department of Civil and Environmental Engineering, Tarbiat Modares University
چکیده [English]

In this research a neural network algorithm is used to process information of numerous nonlinear dynamic analyses data so that the damage induced by an earthquake (similar to earthquakes of this study) in a structure can be obtained in an acceptable range of accuracy by spending much less time than the computation time for actual nonlinear analysis of the structure [1]. To this end, about 800 nonlinear dynamic analyses of steel moment frames under Tabas, Chichi and Kobe earthquakes has been conducted spending a very long computation time. Then the damage of structures with five different damage indices has been calculated. To design a neural network 70% of responses were randomly chosen for training data and the remaining 30% were used for the test and verification of the neural network software. The designed neural network is a multiple layer Perceptron network that has a hidden layer and is trained by Error Back-Propagation algorithm. With the aid of this neural network software if a structure (similar in characteristics to the frames of this study) is excited by an earthquake similar to the abovementioned earthquakes, its damage indices with five definitions will be calculated in a few seconds with an acceptable accuracy. In the paper the five damage indices including the damage index that is suggested by the authors are briefly introduced. Finally, the accuracy of the results of neural networks software for the five different damage indices are compared to each other.

کلیدواژه‌ها [English]

  • Damage index
  • Steel moment frame
  • Neural network
  • Nonlinear dynamic analysis
[1]   منهاج، م. ب.، "هوش محاسباتی (جلد اول) مبانی شبکه‌های عصبی"، مرکز نشر دانشگاه امیرکبیر، 1381.
[2]     NeuralWare, "Neuralworks Predict for Excel 7.0, User Manual", NeuralWare Inc., Copyright, 1994.
[3]     Powell, H., G., Allahabadi, R., "Seismic Damage Prediction by Deterministic Methods: Concepts and Procedures", Earthquake Engineering and Structural Dynamics, 1988, 16 (5), 719-734.
[4]     Williams, M. S., Sexsmith, R. G., "Seismic Damage Indices for Concrete Structure: A State-of-art review", Earthquake Spectra, May 1995, 11 (2), 319-349.
[5]     Cosenza, E., "The use of Damage Functionals in Earthquake Engineering: A Comparison between Different Methods", Earthquake Engng. Struct. Dyn. 1993, 22 (10), 855-868.
[6]     Park, Y. J., Ang, A. H. S., "Mechanistic Seismic Damage Model for Reinforced Concrete", Journal of Structural Engineering, ASCE, 1985, 111 (4), 722-739.
[7]     Ghobarah, A., Abou-Elfath, H., Biddah, A., "Response-Based Damage Assessment of Structures", Earthquake Engng. Struct. Dyn. 1999, 28 (1), 79-104.
[8]   مدنی، س.، ح.، "تعیین ارتباط بین اندیس­های مختلف خسارت و کاهش سختی قاب خمشی فولادی به منظور تعیین میزان تحمل سازه خسارت دیده با یک شاخص ساده"، پایان‌نامه کارشناسی ارشد، دانشکده عمران و محیط زیست، دانشگاه تربیت مدرس، تهران، 1385.
[9]     CE 113, "Mechanics of Materials Laboratory", Laboratory Manual, Department of Civil and Environmental Engineering, San Jose State University, August 12, 2006.