محمد امامی کورنده - استادیار، گروه مهندسی عمران، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
بهرام عسگری - کارشناسی ارشد مهندسی عمران-سازه، گروه مهندسی عمران، واحد صفادشت، دانشگاه آزاد اسلامی، تهران، ایران

بر اساس آیین نامه بارگذاری ساختمان آمریکا خرابی پیش رونده به صورت گسترش خرابی در یک سازه از یک المان به المان دیگر به طوری که در نهایت منجر به خرابی کل سازه و یا بخش عمده ای از آن می شود، تعریف می شود عواملی که می توانند منجر به این نوع خرابی شوند، عبارتند از: ضربه اتومبیل، انفجار گاز، برخورد هواپیما، خطای ساخت، آتش سوزی، بارگذاری تصادفی بیش از اندازه روی اعضاء، انفجار و... اکثر این حوادث دارای مدت زمان تاثیر کوتاهی می باشند که در نتیجه منجر به پاسخ های دینامیکی می شوند. در این تحقیق ۱۰۰ نوع مدل در نظر گرفته خواهد شد و از آئین نامه های مرجع فروریزش پیش رونده جهت تحلیل و از نرم افزار کاربردی برای رسیدن به پاسخ تحت تحلیل استاتیکی غیر خطی استفاده خواهد شد با حذف ستون و انجام آنالیز استاتیکی غیر خطی، پارامترهای رفتاری اعضای سازه در برابر این پدیده مورد ارزیابی قرار خواهند گرفت و در نهایت نتایج با ضوابط موجود در آئین نامه کنترل خواهد شد و رفتار نهایی سازه در برابر این پدیده بررسی خواهد شد. شبکه های عصبی مصنوعی به عنوان ابزاری توانمند در زمینه های مختلف مهندسی استفاده شده است و کاربرد آنها به صورت روزافزونی در حال افزایش است. مهندسی عمران و بررسی رفتار سازه ها نیز از این قاعده مستثنی نبوده و به مراتب از روشهای عصبی در آن استفاده شده است. در این تحقیق از سه نوع شبکه عصبی جهت بررسی پدیده فروپاشی پیشرونده استفاده شده است. پارامترهای ورودی و خروجی انتخاب شده و به کمک شاخصهای ارزیابی این پدیده مدلسازی شده است. در نهایت با مقایسه عملکرد شبکه های عصبی مصنوعی موفقترین نوع شبکه عصبی پیشنهاد شده است.

سازه فولادی, تخریب پیشرونده, شبکه عصبی مصنوعی, شاخصهای ارزیابی