پیش بینی پاسخ لرزه ای سازه های بلندمرتبه با در نظر گرفتن اندرکنش خاک و سازه با استفاده از شبکه های حافظه بلندمدت (LSTM)

در این پژوهش یک مدل هوشمند مبتنی بر شبکه های یادگیری عمیق برای پیش بینی پاسخ لرزه ای سازه های بلندمرتبه فولادی با در نظر گرفتن اثر اندرکنش خاک و سازه (SSI) ارائه شده است. مدل عددی سازه ۳۰ طبقه فولادی با استفاده از معادلات حرکت چند درجه آزادی و مدل فنر-دمپر معادل خاک توسعه داده شد و تحلیل های تاریخچه زمانی غیرخطی تحت شتاب نگاشت های واقعی زلزله انجام گردید. خروجی های حاصل شامل جابجایی، شتاب و نیروهای طبقات به عنوان داده های آموزشی شبکه مورد استفاده قرار گرفتند. شبکه بازگشتی حافظه بلندمدت (LSTM) برای مدل سازی رفتار دینامیکی سازه آموزش داده شد و عملکرد آن با شبکه عصبی پیش خور (ANN) مقایسه گردید. نتایج نشان داد که مدل LSTM قادر است پاسخ های زمانی پیچیده را با دقت بالا بازتولید کرده و اثرات SSI را به طور موثری در پیش بینی ها لحاظ کند. این رویکرد داده محور می تواند جایگزینی سریع و دقیق برای تحلیل های دینامیکی عددی در ارزیابی لرزه ای سازه های بلندمرتبه فولادی باشد.

کلیدواژه ها:

سازه های بلندمرتبه ، فولادی ، اندرتکنش خاک و سازه ، شبکه حافظه بلندمدت LSTM ، تحلیل دینامیکی