برآورد و پیش بینی آسیب پذیری ساختمانهای بتن مسلح در زلزله ها با رویکرد شبکه عصبی مصنوعی

با اینکه روشهای مرسوم برآورد خسارتهای ناشی از زلزله به سازههای بتنی کارآمد هستند ولی عاری از اشکال و خطا در نتایج نیستند. استفاده از شبکه های عصبی مصنوعی (ANN) در برآورد این آسیب ها و پیش بینی تخریب سازههای بتنی در زلزله ، موضوع مطالعه حاضر می باشد. در این مطالعه ، شاخص های آسیب پذیری ساختمانها بر حسب حداکثر جابجایی نسبی بین طبقات بیان می شود. با استفاده از شبکه های پرسپترون چند لایه (Multilayer Perceptron networks)، مجموعه دادههای آموزشی ۳۵ ساختمان بتن مسلح با ویژگی های سازه ای مختلف تحت ۳۰ حرکت واقعی زمین ، برای شبکه های عصبی مصنوعی تعریف شده است . نتایج مطالعه نشان می دهد که برآوردها و پیش بینی های شبکه های عصبی مصنوعی می توانند با اطمینان قابل قبولی وضعیت آسیب پذیری لرزه ای ساختمانهای بتن مسلح در زمان وقوع زلزله واقعی را پیش بینی نماید.