ESTIMATION OF MAXIMUM INTERSTORY DRIFT RATIO OFSTEEL MOMENT-RESISTING FRAMES USING MACHINELEARNING
- سال انتشار: 1403
- محل انتشار: نهمین کنفرانس بین المللی زلزله شناسی و مهندسی زلزله
- کد COI اختصاصی: SEE09_087
- زبان مقاله: انگلیسی
- تعداد مشاهده: 233
نویسندگان
M.Sc. Student, Civil and Environmental Engineering Dept., Amirkabir University of Technology, Tehran,Iran,
Associate Professor, Civil and Environmental Engineering Dept., Amirkabir University of Technology,Tehran, Iran,
چکیده
This study aims to develop machine learning (ML) models that can accurately estimate themaximum interstory drift ratio (MIDR) of steel moment-resisting frames subjected to earthquakeground motions. Four boosting ML methods were applied: gradient boosting, extreme gradientboosting (XGBoost), light gradient boosting machine (LightGBM), and categorical boosting(CatBoost). To train and evaluate the models, a comprehensive dataset was generated through ۹۲,۴۰۰nonlinear dynamic analyses of ۱,۸۴۸ steel moment frames with varying structural properties subjectedto ۵۰ ground motions. The selected ground motions had moment magnitudes of at least ۵.۰ and soilconditions classified as Site Class C. The results suggest that all models could reliably predict theMIDR of steel moment frames when tested on unseen data. The LightGBM model achieved the mostaccurate estimations among those considered, with a coefficient of determination (R۲) of ۰.۹۶۱, meanabsolute percentage error (MAPE) of ۰.۱۹۹%, and root mean square error (RMSE) of ۰.۱۶۵% for thetest dataset.کلیدواژه ها
Maximum Interstory Drift Ratio (MIDR), Steel Moment-Resisting Frame, MachineLearning, Boosting Methodsمقالات مرتبط جدید
- ارزیابی و بهبود مدیریت پسماند شهری با رویکرد اقتصاد چرخشی
- ارزش گذاری خدمات اکوسیستم نامرئی در برنامه ریزی شهری خاورمیانه مورد پژوهی
- شناسایی و مدلسازی کریدورهای اکولوژیک شهری با تاکید بر ساختار ژئومورفولوژیکی؛ راهبردی برای حفظ تنوع زیستی در ایران
- شهرهای اسفنجی Sponge Cities راهکاری نوین برای مدیریت آب و ارتقای زیست پذیری شهرهای خاورمیانه
- موضوع: علتهای اصلی تخریب جگل های بلوط بهمئی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.