تخمین مقادیرحداکثر شتاب جنبش نیرومند زمین توسط سه مدل شبکه های عصبی مصنوعی
محل انتشار: فصلنامه علوم و مهندسی زلزله، دوره: 3، شماره: 4
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 249
فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_BESE-3-4_001
تاریخ نمایه سازی: 16 آبان 1400
چکیده مقاله:
در این تحقیق، برای برآورد بیشینه شتاب جنبش نیرومند زمین در یک منطقه، از سه نوع شبکه ی عصبی مصنوعی با الگوریتم های متفاوت استفاده شده است که عبارتند از: شبکه ی عصبی- فازی هم فعال، المان– جردن و پیشخور با الگوریتم پس انتشار خطا. بردارهای ورودی شبکه های عصبی، شامل چهار پارامتری هستند که تاثیرات مهمی در وقوع زمین لرزه در یک منطقه دارند. این پارامترها عبارتند از: بزرگی ممان زلزله، شعاع گسیختگی کانون زلزله، مکانیسم گسل و رده بندی ساختگاه. بردار خروجی نیز فقط یک مولفه دارد: حداکثر شتاب جنبش نیرومند زمین برای یک زمین لرزه رخ داده در یک منطقه که به عنوان خروجی هدف استفاده می شود. پس از انجام آزمایش های مختلف، از میان شبکه های عصبی طراحی شده، شبکه ی عصبی- فازی هم فعال (سی آنفیس) بالاترین ضریب همبستگی خروجی، برابر ۸۲/۰ و شبکه پیشخور با الگوریتم پس انتشار خطای عمومی، کمترین ضریب همبستگی ۴۱/۰ را نشان می دهد. همچنین شبکه سی آنفیس، کمترین میانگین مربعات خطای ۰۷۵/۰ و شبکه ی پیشخور، بیشترین میانگین مربعات خطای ۱۲۵/۰ را داشته است. در این تحقیق، شبکه عصبی – فازی هم فعال، بهترین شبکه ی عصبی است که می تواند حداکثر دامنه شتاب احتمالی بالاتر از g۱ در یک منطقه را برآورد کند.
کلیدواژه ها:
حداکثر شتاب جنبش نیرومند زمین ، بزرگی ممان زلزله ، شبکه پیشخور پس انتشار خطا ، رده بندی ساختگاه ، شبکه المان جردن
نویسندگان
علی نصراله نژاد
پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله، تهران
مصطفی علامه زاده
پژوهشکده زلزله شناسی، پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله، تهران
غلام جوان دلویی
پژوهشکده زلزله شناسی، پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله، تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :