خوشهبندی شتابنگاشتهای لرزهای با استفاده از الگوریتمهای بهینه یابی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 439

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICSAU03_0458

تاریخ نمایه سازی: 12 تیر 1395

چکیده مقاله:

به منظور انجام تحلیل تاریخچه زمانی به ویژه غیرخطی انتخاب چند شتابنگاشت زلزله موجود ضروری است این زلزلهها باید بیشترین همبستگی با ویژگیهای منطقه احداث را داشته باشند اما با توجه به اینکه معمولاً تعداد کافی رکوردلرزهای در یک محل موجود نیست مقاله حاضر روش جدیدی برای حصول نتیجه منطقی با داشتن حتی یک زلزله مبنا در محل، ارائه مینماید. در این روش نگاشتهایی از لیست زلزلههای مختلف جهان انتخاب میشود که بیشترین شباهت با رکورد موجود در منطقه را از نظر ویژگیهای لرزهای داشته باشد. این ویژگیهای لرزهای عبارتند از : محتوای فرکانسی، زمان دوام، انرژی رکورد، مقادیر بر اوج حرکت قوی زمین و نیز مکانیسم گسلش . این روند انتخاب شتابنگاشتها از طریق تعریف یک مسئله بهینه یابی و بهکارگیری الگوریتمهای فرا ابتکاری و خوشهبندی انجامشده که درنهایت زلزلههای با تطبیق حداکثر نسبت به زلزله مبنا تعیین میشوند سپس به تعداد موردنیاز از بین این زلزلهها جهت استفاده در تحلیلهای دقیقتر و کاربردهای مهندسی متناظر انتخاب میگردند

نویسندگان

محسن شهروزی

عضو هیئت علمی دانشگاه خوارزمی،

محمد رشیدی مقدم

دانشجوی کارشناس ارشد زلزله دانشگاه خوارزمی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • آیین‌نامه طراحی ساختمان‌ها در برابر زلزله (استاندارد 2800)، ویرایش سوم، ...
  • شهروزی، م، اکبری، الف. اخاب شتاب نگاشت های مورد نیاز ...
  • Kalkan E, Chopra, AK. (2010). Practical guidelines to select and ...
  • Alimoradi A, Pezeshk S, Naeim F, Frigui H. Fuzzy pattern ...
  • _ CY, Antonsson EK Dynamic partitional clustering using evolution strategies. ...
  • Liu X. Supervised Classification and Unsupervised Classification ...
  • Xu R, Wunsch D. Survey of clustering algorithms. Neural Networks, ...
  • 31 December 2015, Shahid Beheshti University , Tehran , Iran ...
  • Rousseeuw P, Silhouettes: a graphical aid to the interpretation and ...
  • Michalewicz , Genetic algorithms, numerical optimization, and constraint, Proceedings of ...
  • Lin, CY, Hajela P. Genetic algorithms in optimization problems with ...
  • Parsopoulos KE, ed. Particle Swarm Optimization and Intelligence: Advances and ...
  • Manjarres D, Torres L. A survey on applications of the ...
  • Mahdavi M, Fesanghary M, Damangir E. An improved harmony search ...
  • Jain AK. Data clustering: 50 years beyond K-means. Patter recognition ...
  • نمایش کامل مراجع