شاخص حساس به خسارت در قابهای بتن آرمه در معرض توالی لرزه ای با استفاده از شبکه عصبی مصنوعی

در نواحی فعال لرزه ای، زلزله های شدید عموما توسط مجموعه ای از زمین لرزه ها دنبال میشوند. از آنجاییکه معمولا فاصله زمانی میان این لرزه های متوالی کوتاه است، به واسطه خسارات تجمعی ناشی از لرزه پیشین احتمال تخریب سازه افزایش پیدا میکند. در این مقاله با طراحی و آموزش شبکه های عصبی ایده آل، تاثیر خصوصیات زلزله اعم از حداکثر شتاب زمین، بزرگا، سرعت موج برشی، حداکثر شتاب موثر و ... بر خسارت ناشی از زلزله های منفرد و متوالی مورد بررسی قرار گرفته شده است. در این راستا قابهای بتن آرمه ۳، ۵، ۷، ۱۰، ۱۲ و ۱۵ طبقه براساس استاندارد ۲۸۰۰ ایران در محیط نرم افزاری Opensees طراحی و در برابر سه مجموعه شتابنگاشت منفرد و متوالی که براساس حداکثر شتاب زمین (PGA)، حداکثر سرعت زمین (PGV) و حداکثر شتاب موثر (EPA) انتخاب شده اند، تحت تحلیل دینامیکی غیرخطی قرار گرفته اند. در ادامه به منظور آموزش و طراحی شبکه های عصبی مصنوعی، شاخص خسارت Park-Ang (۱۹۸۵) به عنوان مقادیر هدف و ویژگی های زمین لرزه و زمان تناوب سازه به عنوان مقادیر ورودی به شبکه های عصبی انتخاب شده اند. در نهایت با انتخاب تعداد نورون های بهینه شبکه های عصبی ایده آل طراحی می شوند. سپس با انتخاب مقادیر مبنا برای کلیه پارامترهای ورودی و معرفی به شبکه های عصبی ایده آل، حساسیت سنجی صورت پذیرفته است. نتایج حاکی از آن است که میزان خسارت نسبت به تغییرات پارامتر بزرگا و شتاب (به خصوص در حالت منفرد) حساس تر می باشد.

کلیدواژه ها:

Artificial Neural Network ، Damage Index ، Seismic Sequence ، Nonlinear Dynamic Analysis ، شبکه عصبی مصنوعی ، شاخص خسارت ، توالی لرزه ای ، تحلیل دینامیکی