چکیده:
بررسی آسیب های ناشی از زلزله و سایر عوامل ساختمانهای پایدار موجود و نیز مطالعه ساختمانها قبل از
وقوع زلزله و یا در زمان وقوع زلزله، برای برآورد پاسخ آنها و پیش بینی نقاط آسیب پذیر احتمالی، از
مباحث مهم مقاوم سازی سازه هاست. مقاوم سازی سازهها یکی از راهکارهای جلوگیری از صدمات و
خطرات احتمالی بعدی است. ترک در اعضاء بتنی میتواند باعث ایجاد معایب و کاهش عمر مفید آن
گردد. هنگامی که ترک در سازهای ایجاد میشود خواص دینامیکی سازه نظیر فرکانسهای طبیعی و شکل
برش پایه، ضریب اطمینان واژگونی و. . . . ،(X , Y) مودی ممان در تیر و ستون و جابجاییها در راستای
آن تغییر میکند. به طور کلی با افزایش طول ترک و یا تغیرات ضرائب ترک خوردگی، سختی سازه
کاهش مییابد و در نتیجه تغیراتی در مود، فرکانس، ممان، جابجایی و. . . . . صورت می گیرد. در
صورتیکه در طراحی و آنالیز، ترک موجود در اعضای بتن در نظر گرفته نشود ممکن است پدیده تشدید یا
رزونانس ایجاد شده و در نتیجه کاربری سازه را نسبت به حالت بدون ترک مختل و کاهش دهد. جهت
جلوگیری از پدیده تشدید در اینگونه از سازهها باید آنها را به شیوه مناسب مقاوم سازی نمود و با
روشهای و طراحی های متعدد و متفاوت به نتایج مورد نطر و دلخواه جهت تقویت سازه برسیم. که در این
تحقیق جهت انجام این کار با یک روش عددی جهت محاسبه مود، فرکانس، ممان، جابجایی، برش پایه و
ضریب اطمینان واژگونی اعضای بتنی ترکدار با کم کردن مدت زمان محاسبات و طراحی ها بیان شده
است. همانطور که مهندسان می دانند جهت به دست آوردن نتایج مورد نیاز در یک سازه ساختمانی بایستی
تا آخرین مرحله طراحی پیش برویم و بعد از آنالیز سازه نتایج را به دست آوریم که با استفاده از این روش
عددی و نوشتن یک شبکه عصبی با کمترین خطا می توان با کم کردن محاسبات و طراحی ها و جلوگیری
از اتلاف وقت و زمان و هزینه ها به نتایج مورد نیاز خودمان برسیم (البته بر اساس اطلاعات ورودی به
شبکه)، که با این روش کمک بسیار بزرگی و روش جدیدی را در علم عمران پایه گذاری می شود.
خلاصه ماشینی:
واژههایکلیدی: سازههای بتنی، شبکه عصبی، ترک خوردگی مقدمه بدون شک امروزه با توجه به اهمیت فراوان مقاوم سازی، تحلیل و طراحی سازهها را میتوان به آسانی با رایانه و نرم افزارهای جدید انجام داد، حتی برای سازههای بزرگ و پیچیده میتوان از روشهای رایانهای تحلیل سازهها که دارای سرعت عمل بسیار زیادی هستند استفاده کرد.
با توجه به اينكه از شبكه هاي عصبي انتشار برگشتي جهت به دست آوردن نتایج خروجی سازه های بتنی با سیستم قاب خمشی استفاده شده لذا در اين شبكهها ميبايست ساختارهاي newff، newcf و newelm مورد بررسي قرار گرفته و بهترين ساختار انتخاب گردد.
علاوه بر این زمان نتایج خروجی تحلیل سازه های بتنی با سیستم قاب خمشی با استفاده از شبكه عصبي در قياس با زمان تحليل واقعي توسط نرم افزار ETABS بسيار جزئي و با دقت قابل قبول (کمتر از سه درصد) مي باشد.
از آنجائيكه در بسياري از محاسبات مهندسي زمان به عنوان يكي از پارامتر هاي اصلي محسوب ميشود لذا بكارگيري شبكههاي عصبي در اينگونه مسائل به ويژه با حجم تحليل بالا از اهميت ويژه اي برخوردار خواهد بود، كه اين امر نمايانگر عملكرد مطلوب شبكه عصبي چند لايه در محاسبه نتایج خروجی طراحی سازه های بتنی با سیستم قاب خمشی با ابعاد و مدل های معماری و هندسی و شرایط ژئوتکنیکی و ضرائب ترک خوردگی متفاوت و مختلف است.
ــ حيدري، علی و طاهري، حسین.
"Fundamentals of Neural Networks", prentice hall company,New York.