چکیده:
در پژوهش حاضر سعی براین بوده است که با استفاده از رکوردهای واقعی ثبت شده در یک ساختگاه، پاسخ دینامیکی نقاط مختلف سازه را تحت ورودی های جدید پیش بینی نمود. برای این منظور از روش شبکه عصبی مصنوعی NARX که یک شبکه عصبی پویا محسوب می شود، استفاده شده است. شبکههای عصبی مصنوعی که جزء سیستمهای دینامیکی هوشمند به حساب میآیند، با پردازش روی دادههای تجربی، ارتباط پنهان بین دادهها را به ساختار شبکه منتقل میکنند. این سیستمها براساس محاسبات روی دادههای عددی، قوانین کلی حاکم بر مسالهی مورد بررسی را یاد میگیرند. در تحقیق حاضر برای آموزش شبکه از رکوردهای واقعی موجود در راستاهای مختلف روی کف دره و نقاط مختلف روی بدنه سد با استفاده از تابع لونبرگ – مارکاد انجام پذیرفته است. بعد از آموزش شبکه، ورودی های جدید به این سیستم وارد و با استفاده از شبکه آموزش داده شده پاسخ های سازه در نقاط مختلف روی بدنه سد استخراج شدند. برای بررسی دقت این روش از مقایسه با رکوردهای واقعی موجود استفاده شد. نتایج به دست آمده نشان دهنده، توانایی بالای این روش برای تولید شتابهای غیر یکنواخت در زمان بسیار کوتاه و دقت بالا میباشد.
خلاصه ماشینی:
تولید شتابهای غیر یکنواخت تکیه گاهی بر اساس رکوردهای واقعی ثبت شده در ساختگاه با استفاده از شبکه عصبی مصنوعی NARX محسن ایثاری1*، رضا تاری نژاد 2، سید امیر علوی3، حامد محجوب 4 1- دانشجوی دکتری، دانشکده مهندسی عمران، دانشگاه تبریز، ایران.
در ادامه به مواردی از پژوهشهای انجام شده توسط محققین مختلف با استفاده از شبکه های عصبی مصنوعی برای بررسی رفتار لرزه ای سدهای بتنی و همچنین تولید شتابهای غیر یکنواخت تکیه گاهی اشاره می شود.
با توجه به شکل 7 که محل قرار گیری تمام شتاب سنج ها روی آن نشان داده شده است، برای آموزش شبکه از رکوردهای کف دره و روی تاج سد در سال 2001 استفاده می شود.
به تصویر صفحه مراجعه شودشکل10- مقایسه شتاب تولید شده با استفاده از شبکه آموزش داده شده و رکورد واقعی ثبت شده روی ساختگاه در کانال 4 در ادامه تحلیل های انجام شده در این قسمت، برای اطمینان از دقت روش شبکه عصبی NARX ، به تولید شتاب روی کانالهای دیگر پرداخته شد.
سپس در ادامه این شبکه با استفاده از رکوردهای واقعی ثبت شده در روی سد پاکویما ، که زلزله های مختلف را تجربه کرده، آموزش داده شد.
در ادامه با استفاده از این شبکه آموزش داده شده، شتابهای غیر یکنواخت در نقاط مختلف سد برای زلزله های دیگر تولید و با موارد ثبت شده مقایسه شد.
Interpretation of concrete dam behavior with artificial neural network and multiple linear regression models, Engineering Structures, Vol. 33, pp.