مدلسازی پاسخهای لرزه ای مخزن هوایی فولادی با استفاده از رویکردهای جدید یادگیری ماشین

به دست آوردن پاسخ لرزه ای سازهها برای ارزیابی وطراحی لرزه ای مناسب آنها به گونهای که منجر به کاهش خسارت و تلفات در زلزلههای آتی شود امری بسیار مهم است. این مطالعه یک رویکرد نوآورانه با استفاده از تکنیکهای یادگیری ماشین (ML) برای پیشبینی دقیق پاسخ لرزه ای مخازن هوایی فولادی ارائه میدهد. ML آن را به یک ابزار قدرتمند تبدیل میکند که میتواند با پیچیدگی مقابله کند، دقت را افزایش دهد، بینشهای مبتنی بر داده فراهم کند و طراحیها را برای پیشبینی پاسخهای لرزه ای در سازهها بهینهسازی کند، که در نهایت به ایجاد محیطهای ساختمانی ایمنتر و مقاومتر کمک میکند. علاوه بر این، این مطالعه مدلهای مختلف یادگیری ماشین شامل LGB، HGB، XGB و CAT را ارزیابی میکند تا مدل پیشبینی موثرتر را شناسایی کند. به طور کلی، مدلهای پیشبینی مبتنی بر یادگیری ماشین توسعه یافته، یک ابزار برای مهندسان در طراحی لرزه ای و بهبود مخازن فولادی هوایی ارائه میدهند، که در بهینهسازی طراحی و افزایش ایمنی و مقاومت سازه در برابر خطرات لرزه ای کمک میکند. به عنوان نتیجه، مدل HGB با داشتن R۲ بالاتر و RMSE پایینتر، بهترین عملکرد را نسبت به سایر مدلهای توسعه یافته بهدست آورد.

کلیدواژه ها:

مخازن هوایی فولادی ، یادگیری ماشین ، پاسخ لرزه ای ، تحلیل دینامیکی افزاینده.