تخمین وضعیت لرزه خیزی وپتانسیل تخریبی گسل سبزپوشان بکمک شبکه عصثی مصنوعی
- سال انتشار: 1393
- محل انتشار: همایش ملی مهندسی عمران ، شهرسازی و توسعه پایدار
- کد COI اختصاصی: CIVILSD01_201
- زبان مقاله: فارسی
- تعداد مشاهده: 594
نویسندگان
عضو هیئت علمی، دانشکده مهندسی، دانشگاه زابل
دانشگاه آزاد اسلامی واحد بوشهر، گروه عمران، بوشهر، ایران
چکیده
پیش بینی محل وقوع زلزله های آتی همراه با تعیین درصد احتمال رخداد، می تواند در کاهش خطرات ناشی اززلزله بسیار سودمند باشد. تعیین محل های پیش بینی شده، سبب افزایش توجه به طراحی، بهسازی لرزه ای وارزیابی قابلیت اعتمادپذیری سازه های موجود در این مکان ها می شود. با توجه به اینکه در پیش بینی زمان وقوع زلزله فرضیه ها و نظریه های گسترده ای مطرح است، هنوز شیوه ای دقیق برای پیش بینی زمان رخدادزلزله های آتی مورد تایید قرار نگرفته است. در این تحقیق با استفاده از داده های کسب شده به مدلسازی و پیش بینی زلزله در گسل سبزپوشان پرداختهشده است و روش کار به این صورت میباشد که ابتدا معماری شبکه طراحی شده و سپس شبکه عصبی چند لایه ابتدا با درصدی از داده ها آموزش داده میشود و سپس شبکهی آموزش دیده برای درصدی دیگر تست خواهد شد تا دقت شبکه در ارزیابی بررسی شود. روش های برتر پیش بینی نهایتا معرفی شده اندکلیدواژه ها
گسل, سبزپوشان, ریشتر , قدرت تخریب، شبکه عصبیمقالات مرتبط جدید
- بررسی نقش مدیریت شهری با توجه به ادراکات محیطی شهروندان بر روی فضاهای پیاده رو (نمونه موردی: منطقه هفت کرج)
- بررسی شاخص های مشارکت محلی در راستای توسعه گردشگری نمونه موردی: محدوده حرم شاهچراغ
- اهمیت نیازسنجی آموزش کارمندان شهرداری سقز در مشاغل فنی، مالی و اداری
- ارزیابی عوامل موثر بر ارتقای فرآیندهای اداری و مالی در کارآیی سازمانی کارکنان شهرداری سقز
- A review of Renewable energy and sustainable building
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.