Enhancing Seismic Design of Non-structural Components Implementing Artificial Intelligence Approach: Predicting Component Dynamic Amplification Factors
محل انتشار: ماهنامه بین المللی مهندسی، دوره: 36، شماره: 7
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 166
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJE-36-7_002
تاریخ نمایه سازی: 7 خرداد 1402
چکیده مقاله:
The seismic performance of non-structural components (NSCs) has been the focus of intensive study during the last few decades. Modern building codes define design forces on components using too simple relationships. The component accelerates faster than the floor acceleration to which it is connected. Therefore, component dynamic amplification factors (CDAFs) are calculated in this work to quantify the amplification in the acceleration of NSCs for the various damping ratios and tuning ratios of the NSC, and the primary structural periods. From the analysis results, it was observed that CDAF peaks are either underestimated or overestimated by the code-based formulae. A prediction model to ascertain the CDAFs was also developed using artificial neural networks (ANNs). Following that, the suggested model is contrasted with the established relationships from the past research. The ANN model's coefficient of correlation ( ) was ۰.۹۷. Hence, using an ANN algorithm reduces the necessity of laborious and complex analysis.
کلیدواژه ها:
نویسندگان
B. D. Bhavani
Department of Civil Engineering, Koneru Lakshmaiah Education Foundation, Vaddeswaram, Guntur, India
S. P. Challagulla
Department of Civil Engineering, Koneru Lakshmaiah Education Foundation, Vaddeswaram, Guntur, India
E. Noroozinejad Farsangi
Faculty of Civil and Surveying Engineering, Graduate University of Advanced Technology, Kerman, Iran
I. Hossain
School of Natural Sciences and Mathematics, Ural Federal University, Yekaterinburg, Russia
M. Manne
Department of Civil Engineering, Birla Institute of Technology and Science -Pilani, Hyderabad Campus, Telangana, India
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 :