تخمین نسبت جابه جایی حداکثر به پسماند تحت زلزله با استفاده از روشهای یادگیری ماشین برای سازه های با زمان تناوبی کم، متوسط و زیاد

حداکثر جابه جایی سازه در زلزله یکی از مهمترین مشخصه های نشان دهنده خرابی سازه است که اندازه گیری آن محتاج استفاده از روشهای تحلیل تاریخچه زمانی غیرخطی میباشد. در پژوهش حاضر با استفاده از انفیس، درخت تصمیم و رگرسیون پارامتری ، حداکثر جابه جایی لرزه ای با ورودی تغییرمکان پسماند تخمین زده شده است. با استفاده از نرم افزار اپن سیس و انجام بیش از ۷۰۰ هزار تحلیل دینامیکی تاریخچه زمانی غیرخطی برای سیستمهای یک درجه آزادی اطلاعات در قالب ۴۰۰ داده تهیه گردید. سپس داده ها به سه سری داده های با پریود پایین، متوسط و بالا تقسیم شده اند. برای هر گروه از داده ها ۸۰ درصد از داده ها به صورت تصادفی و تحت عنوان داده های آموزش برای مدلسازی و آموزش شبکه به کار گرفته شد و ۲۰ درصد دیگر داده ها تحت عنوان داده های آزمایش جهت بررسی دقت مدل، مورد استفاده قرارگرفت. در نتیجه این بررسیها و مقایسه دقت تخمین سه ابزار استفاده شده، به این نتیجه رسیدیم که مدل انفیس با ضرایب رگرسیون ۰,۹۳ و ۰,۸۷۳ به ترتیب برای داده های آموزش و آزمایش، برای تخمین نسبت حداکثر جابه جایی لرزه ای ابزار بهتری میباشد.

کلیدواژه ها:

نسبت جابه جایی حداکثر ، ، خرابی ، جابه جایی پسماند ، انفیس ، رگرسیون خطی ، یادگیری ماشین