پایان نامه معیارهای کمی روش های ارزیابی سریع در ساختمان های بتنی متداول در کشور با استفاده از شبکه های عصبی (هوش محاسباتی )

تعداد صفحات: 125 فرمت فایل: word کد فایل: 2083
سال: 1385 مقطع: مشخص نشده دسته بندی: مهندسی عمران
قیمت قدیم:۳۵,۷۶۰ تومان
قیمت: ۲۹,۸۰۰ تومان
دانلود فایل
  • خلاصه
  • فهرست و منابع
  • خلاصه پایان نامه معیارهای کمی روش های ارزیابی سریع در ساختمان های بتنی متداول در کشور با استفاده از شبکه های عصبی (هوش محاسباتی )

    پایان نامه برای دریافت درجه کارشناسی ارشد "M.SC"

    مهندسی عمران - سازه 

    الف - چکیده مطالب :

    ارزیابی سریع ساختمان ها، بدین معنی است که با استفاده از ابزارها و روشهای ساده شده در زمانی کم و با هزینه ای اندک بتوان از مقاومت ساختمانها در برابر زلزله شناخت حاصل کرد.

    هم اکنون در ایران چنین ضوابطی برای بررسی سریع ساختمانها وجود ندارد، اما می توان با بکار گیری آیین نامه های ساختمانی کشورهایی که از نظر شرایط و هزینه ساخت ، مصالح مصرفی و ... به ایران مشابه هستند و یا با ارائه راهکارهای جدید، در جهت تدوین چنین آیین نامه هایی قدم برداشت . امید است که با ارائه این پایان نامه ، قدمی ناچیز در رسیدن به این هدف برداشته شده باشد.

    در این مطالعه با استفاده از روش شبکه های عصبی مصنوعی که از جمله مباحث هوش محاسباتی بوده و از شبکه های عصبی بیولوژیکی شبیه سازی شده است ، ارتباط بین مشخصات فیزیکی ساختمانها و پارامترهای تحلیلی مورد نیاز در حصول مقاومت ساختمانها مورد بررسی قرار گرفته است تا بتوان تنها با استفاده از مشخصات فیزیکی یک ساختمان ، آن را مورد ارزیابی قرار داد.

    روند ارزیابی بر اساس آموزش شبکه بر روی یک سری ساختمان که مقاومت و یا رفتار آنها در برابر زلزله های گذشته ارزیابی شده ، بوده و نیز ارائه نتیجه شبکه برای یک ساختمان جدید می باشد. دقت عملکرد این روش با ارائه مثالهایی مورد بررسی قرار گرفته است . پارامترهای مورد بررسی که از روش مذکور حاصل شده اند در این مطالعه شامل DLS (تغییر مکان بام در حد ایمنی جانی )، Ti (دوره تناوب سازه در مود اول تحلیل دینامیکی )، VY (برش تسلیم مؤثر) برای حصول Sa(شتاب طیفی ) می باشند.

    دقت و درستی نتایج حاصله از این روش با انتخاب تصادفی (Random) تعدادی سازه و مقایسه مقادیر حاصله از این روش و مقادیر حاصله از روشهای تحلیل دقیق ، بررسی و کنترل گردیده است .

    نتیجه نهایی حاصل شده از این مطالعه ، سرعت بالا و دقت کافی در نتایج ارائه شده از این روش و تناسب استفاده از آن برای ارزیابی سریع می باشد.

     

    کلمات کلیدی :

    ارزیابی سریع ، شبکه های عصبی مصنوعی ، نرون ، تابع تحریک ، بایاس ، نرخ یادگیری ، سطح عملکرد، تغییر مکان ، دوره تناوب ، برش تسلیم مؤثر، شتاب طیفی .

    ب - مقدمه :

    خطر زلزله و خسارت ناشی از آن ، از جمله پدیده های طبیعی است که از دیرباز زندگی بشریت را به مخاطره انداخته است . برای مقابله با این مشکل ، مهندسین سعی در شناخت نیروهای اعمالی بر سازه و ارائه راهکارهایی با استفاده از خواص مصالح در جهت حفظ کاربری سازه و نیز حفظ جان انسانها نموده اند. در این راستا ضوابط و آیین نامه هایی به منظور طرح صحیح ساختمانها در برابر این نیروها تدوین شده که رعایت ضوابط آنها، اهداف مذکور را تحقق می بخشد. اما در رابطه با ساختمانهای موجود، چون یا ضوابط طرح آنها تغییر و اصلاح شده و یا معلوم نیست که از کدام ضابطه طرح استفاده شده است ضرورت شناخت و بررسی این ساختمانها حائز اهمیت است که یا از مقاومت آنها اطمینان حاصل شود و یا راهکارهای مقاوم سازی بر آنها اعمال شود، که در این راستا آیین نامه های ساختمانی موجود مطرح می گردد.

    در بعضی از کشورها چنین آیین نامه هایی برای ساختمانها تدوین شده است . روشهای بررسی در این ساختمانها در آیین نامه های مختلف متفاوت بوده ولی در نهایت با استفاده از یک سری روابط تحلیلی ساده شده و تجربی

    (معیارهای کمی ) یک جواب بعنوان کافی بودن مقاومت سازه و یا ارائه یک راهکار مقاوم سازی جهت پایداری سازه در برابر نیروهای اعمالی نتیجه می دهد. متأسفانه هنوز چنین آیین نامه هایی بطور کامل برای ساختمانهای موجود در کشورمان تدوین نشده است و اقدامات انجام شده در این خصوص ، محدود به مطالعات و مقالات می باشد که هدف این مطالعه ارائه یک راهکاری در جهت کمک و سرعت بخشیدن به این حرکت ملی می باشد.

    در این مطالعه از روش شبکه های عصبی مصنوعی برای حصول یک جواب نهایی (Sa) استفاده شده که از این پارامتر نیز در ارزیابی مقاومت سازه ها، استفاده می گردد.

    شبکه های عصبی مصنوعی که نمونه ای الگو برداری شده از شبکه های عصبی بیولوژیکی هستند بعنوان ابزاری مطرح گردیده که قابلیت آموزش و تعمیم پذیری را دارند و همانند مغز پس از آموزش می توانند یک انتخاب مناسب را با سرعتی بالا اختیار کنند. امروزه استفاده از روش شبکه های عصبی بسیار بوده که از جمله کاربری بسیار آنها در مسایل پردازش تصویر، پردازش سیگنال ، مدلسازی و کنترل ، بهینه سازی و غیره می باشد. همچنین با شناخت خصوصیات این روش دریچه های کاربردی بسیاری در علوم مهندسی از جمله مهندسی عمران باز شده است که می توان به استفاده از این روش در نرم افزارهای کنترلی سازه که توسط ASCE ارائه شده ، تحلیل و طراحی سازه ها در حل مسایل سیستم های فضاکار [١]، بهینه سازی سازه ها با وزن کم و مقاومت بالا [٢]، ارزیابی سازه ها در مراحل تحلیلی ارزیابی سریع و تعیین فرمهای ارزیابی سریع که در کشورهای دیگر از جمله کشور ترکیه توسط lerGu و

    rerTu مورد بررسی قرار گرفته ، تعیین خسارت سازه های بلند در برابر امواج دینامیکی ضربه ای که با استفاده از این روش توسط Adeli ارائه گردیده ١ اشاره کرد.

    شبکه های عصبی مصنوعی در این مطالعه بعنوان ابزاری که قابلیت پیش بینی رفتار سازه را بدون انجام عملیات تحلیلی خواهد داشت معرفی شده است بر این اساس که شبکه ابتدا با مثالهای حل شده ای آموزش می بیند و سپس در برابر سازه جدیدی که قرار می گیرد جواب مناسبی را ارائه می دهد.

    امید است که با کارهای بیشتر در شناسایی دقیق این روش بتوان کلیه قدرتهای بالقوه آن را شناخته و در امر ارزیابی سریع و یا دیگر مباحث مهندسی عمران بکار گرفته شود.

    فصول ارائه شده در این مطالعه به لحاظ بیان مفاهیم بنیادی و کاربری این سیستم در ارزیابی به قرار زیر تقسیم - بندی شده است .     

    در فصل اول که بعنوان مقدمه و کلیات نام گذاری شده است به بیان خلاصه ای از کل این مطالعه و معرفی عملکرد سیستم شبکه عصبی پرداخته شده است .

    فصل دوم که بعنوان شبکه های عصبی نام گذاری شده است به بیان مبانی ، تعاریف و الگوریتم عملکرد شبکه های عصبی اختصاص یافته است .

    در فصل سوم که بعنوان کاربرد شبکه های عصبی نام گذاری شده است نحوه استفاده از این سیستم در حصول مقادیر کمی روشهای ارزیابی سریع بیان شده است .

    در فصل چهارم نیز که بعنوان نتیجه گیری و پیشنهادات نام گذاری شده است به بیان مختصری از کاربردها، معایب و مزایای شبکه های عصبی پرداخته شده و همچنین در خصوص مطالعه و کاربرد بیشتر و صحیحتر این روش در علوم مهندسی بویژه مهندسی عمران ، موضوعاتی پیشنهاد و ارائه شده است .

    در فصل پنجم نیز که بعنوان نحوه استفاده از برنامه Neural Networks Program نام گذاری شده است در واقع راهنمای استفاده از برنامه می باشد.

    بخش پیوست این مطالعه نیز شامل تعاریف سطوح خطر و سطوح عملکرد ساختمان (پیوست ١)، فایلهای ورودی تنظیم شده برای آموزش .خروجی شبکه (پیوست ٢) و مشخصات سازه ها و مقاطع مورد طراحی (پیوست ٣) می باشد.

    استاندارد: منظور از کلمه استاندارد در این پایان نامه ، استاندارد  Seismic Evaluation Of Existing Buildings (٠٣-٣١ ASCE.SEI) می باشد. [١]

    دستورالعمل : منظور از کلمه دستورالعمل در این پایان نامه ، دستورالعمل بهسازی لرزه ای ساختمانهای موجود می باشد. [٣]

    برنامه : منظور از کلمه برنامه در این پایان نامه ، برنامه شبکه عصبی (Neural Network program) می باشد که به اختصار بصورت NN استفاده شده است . 

    -٣- تعریف شبکه عصبی : [٤]

    نرون کوچکترین واحد پردازشگر اطلاعات بوده و اساس عملکرد شبکه های عصبی را تشکیل می دهد. مدل ریاضی یک نرون تک ورودی در زیر (شکل ١-١) نشان داده شده است .

    (تصاویر و نمودار در فایل اصلی موجود است)

    p و a بترتیب اسکالرهای ورودی و خروجی هستند.

    میزان تاثیر p روی a به وسیله مقدار اسکالر w (وزن ) تعیین می گردد. مقدار b (بایاس ) با ( w⋅ p ) جمع شده و

    n حاصل می شود.

    n = w⋅ p + b ⋅1                                                                                         (1-1)

    n = wp + b                                                                                                (2-1)

     

    سپس مقدار n ورودی تابع محرک (تابع تبدیل ) بوده و خروجی نرون حاصل می شود.

    Out = f(wp + b)                                                                                     (3-1)

     

    تابع محرک f مورد استفاده ، تابع تحریک سیگموئید می باشد که در رابطه زیر (رابطه ١-٤) تعریف گردیده است .

    a = f(n) =    1

    1+e−cn                                                                                              (4-1)

     

    شکل این تابع به ازای ١= c در زیر رسم شده است (شکل ١-٢). مقدار c وسعت ناحیه خطی بودن تابع را تعیین می کند مثلا اگر c خیلی بزرگ باشد، شکل منحنی به تابع محرک آستانه ای دو مقداره حدی نزدیکتر می شود.

    این تابع محرک در شبکه های عصبی مورد استفاده زیادی دارد. بخصوص در شبکه های عصبی چند لایه با قانون یادگیری پس انتشار خطا – که در این مطالعه ، این نوع شبکه مورد استفاده قرار گرفته است - این تابع کاربرد بسیار دارد.

    یک شبکه چند لایه با بیش از یک ورودی برای هر نرون و تعداد بیش از یک نرون در هر لایه بصورت زیر مدل می گردد. 

    نکته قابل توجه این است که شبکه های عصبی چند لایه نسبت به شبکه های عصبی تک لایه دارای توانایی بیشتری در حل مسایل پیچیده می باشند از اینرو سعی شده تا در حل مسایل ارزیابی و مدل سازی سازه ها از این گونه شبکه ها استفاده گردد. 

    -٤- کاربرد شبکه های عصبی :

    ١-٤-١- مقدمه :

    در علم زمین شناسی جهت شناسایی لایه های زمین و پدیده های ژئوتکنیکی بیان می شود که "امروز را مشاهده کنید، دیروز را حدس بزنید و فردا را پیش بینی کنید". در واقع می توان از این جمله چنین مفهومی را برداشت کرد که با استفاده از یک سری داده ها و اطلاعات موجود می توان در خصوص موارد مشابه دیگر که اطلاعاتی از آن در دسترس نیست یک پیش بینی و شناختی حاصل کرد. از جمله ابزاری که در این راستا می توان از آن بهره جست روش شبکه های عصبی می باشد. همانطور که در مباحث گذشته بیان شد از جمله مشکلات موجود در ارزیابی ساختمانها، نبود اطلاعات فنی و یا صرف زمان زیاد در بررسی دقیق آنها می باشد. ولی با استفاده از روش شبکه های عصبی و استفاده از اطلاعات ساختمانهای مشابه ، می توان تا حد مطلوبی این مسایل را حل و بر مشکلات مذکور غلبه کرد.

    شبکه های عصبی مصنوعی که نمونه ای الگو برداری شده از شبکه های عصبی بیولوژیکی هستند و همانند مغز قابلیت یادگیری و تعمیم را دارند می توانند بعنوان یک ابزار با استفاده از اطلاعات ساختمانهای موجود آموزش ببینند و سپس با قابلیت تعمیم پذیری برای ساختمانهای دیگر (همچون ساختمانهای موجود) که یا اطلاعات سازه ای و طراحی آن در دسترس نیست و یا تغییر کرده با صرف زمانی بسیار اندک بکار برده شوند و اطلاعات مورد نیاز در خصوص آن ساختمانها حاصل شوند.

    هدف این مطالعه ، استفاده از شبکه های عصبی برای حصول مقادیر کمی روشهای ارزیابی سازه ها (همانند استانداردهای آمریکایی (03-ASCE.SEI31) و یا ژاپنی (JICA) - البته بسته به شرایط اقتصادی و ساخت ایران )- می باشد. جهت این ادعا در ادامه به این موضوع پرداخته خواهد شد که چگونه می توان معیارهای کمی را با استفاده از شبکه های عصبی حاصل کرد. ابتدا الگوریتم شبکه تهیه شده [فصل دوم ] و در قالب یک برنامه کامپیوتری با استفاده از زبان برنامه نویسی Visual Basic نوشته شده است و سپس کاربرد آن با بررسی جوابهای حاصله از این روش و مقایسه با مقادیر تحلیل دقیق ٣٦ سازه بیان شده است .

    جهت آموزش سیستم شبکه عصبی ٣١ ساختمان مورد تحلیل و ارزیابی قرار گرفته است و برنامه با این ساختمانها بعنوان مثالهای ورودی آموزش دیده و سپس در برابر ٨ ساختمان جدید قرار خواهد گرفت تا پاسخ را ارائه دهد.

    اطلاعات ٣ ساختمان از ٨ ساختمان جدید در بخش اطلاعات مربوط به ٣١ ساختمان ورودی جهت آموزش موجود بوده و هدف بررسی این مسئله است که اگر شبکه در برابر اطلاعات جدیدی قرار گیرد که در رابطه با آن اطلاعات ، آموزشی دیده باشد چه پاسخی را خروجی می دهد. اطلاعات ٥ ساختمان دیگر کاملا جدید بوده و هیچ گونه آموزش در رابطه با آنها به شبکه داده نشده است و سیستم با قابلیت تعمیم پذیری در برابر این شرایط جدید پاسخ می دهد.

     

    ١-٤-٢- آموزش شبکه :

    ١-٤-٢-١- اطلاعات ساختمانها:

    مثالهای انتخابی ساده تر از ساختمانهای متداول می باشند و فقط جنبه آموزشی داشته و برای نشان دادن نحوه عملکرد سیستم انتخاب شده اند. کلیه ٣٦ ساختمان متقارن بوده و قاب میانی آنها با بیشترین سطح بارگیری و دهانه های یکسان بصورت تحلیل ٢ بعدی مورد بررسی قرار گرفته است .

    سازه ها قاب خمشی بتنی با کاربری مسکونی بوده و بارگذاری زلزله بر اساس ویرایش دوم آیین نامه ٢٨٠٠ ایران و بارگذاری ثقلی مطابق آیین نامه ٥١٩ ایران انجام گرفته است .

     

    سازه ها از ١ طبقه تا ٦ طبقه و با تعداد دهانه ها ١ تا ٤ دهانه مدل شده اند. بطور مثال سازه یک طبقه در سه حالت ١ دهانه ، ٢ و ٤ دهانه مدلسازی شده است که در مجموع با در نظر گیری تعداد دهانه ها و تعداد طبقات ، ١٨ حالت مدلسازی شده است . این ١٨ مدل یکبار تحت بار جانبی و ثقلی و بار دیگر فقط تحت بار ثقلی طراحی شده است و یا بعبارتی دیگر ٣٦ حالت سازه ای مورد بررسی قرار گرفته است که ٣١ سازه از این ٣٦ سازه برای آموزش سیستم شبکه و ٥ سازه دیگر برای ارزیابی جوابهای حاصله از شبکه در نظر گرفته شده اند.

    هدف از تقسیم ٣١ سازه آموزشی (جهت آموزش سیستم ) به ١٥ سازه که طبق استانداردهای ٢٨٠٠ و ٥١٩ برای بار جانبی و ثقلی طراحی شده و ١٦ سازه دیگر که فقط طبق استاندارد ٥١٩ برای بار ثقلی طراحی شده اند اینست که شبکه با دو سیستم متفاوت سازه ای (به لحاظ طراحی ) مواجه شود (این تفاوت در وزن سازه ها و سطح مقطع تیرها و ستونها بارز می باشد) و بر اساس آنها آموزش ببیند و آنگاه که در برابر یک سازه جدید قرار گیرد توانایی تشخیص این تفکیک را داشته و جواب مناسب را ارائه دهد. 

    چکیده

    در این مطالعه با استفاده از روش شبکه های عصبی مصنوعی که از شبکه های عصبی بیولوژیکی شبیه سازی شده است ، ارتباط بین برخی مشخصات ساختمانهای بتنی مسلح و عملکرد لرزه ای آنها در برابر زلزله مورد بررسی قرار گرفته است تا بتوان تنها با استفاده از آن مشخصات ، ساختمان را مورد ارزیابی قرار داد. روند ارزیابی بر اساس آموزش شبکه بر روی یک سری ساختمان که مقاومت و یا رفتار آنها در برابر زلزله های گذشته ارزیابی شده می باشد. دقت و درستی نتایج حاصله از این روش با انتخاب تصادفی (Random) تعدادی سازه که اطلاعاتشان در بخش آموزش شبکه نبوده ، بررسی و کنترل گردیده است . نتیجه نهایی حاصل شده از این مطالعه ، سرعت بالا و دقت کافی در نتایج ارائه شده از این روش و تناسب استفاده از آن برای ارزیابی سریع می باشد. 

     

    Abstract

    The purpose of this study is to generate an artificial Neural Network which will simulate

    the human brain to find an inherent relationship between some parameters of existing

    reinforce concrete building and their seismic performance for a seismic excitation with

    certain properties. The existing information from past earthquakes and the performance of

    buildings experienced those earthquakes are used as the training database for the Neural

    Network. The accuracy of the trained artificial Neural Network is tested by a randomly

    selected subset of building performance database which were not used among the training

    set. The finalized tool is expected to serve for fast evaluation of existing buildings for

    seismic performance and vulnerability assessment.

     

  • فهرست و منابع پایان نامه معیارهای کمی روش های ارزیابی سریع در ساختمان های بتنی متداول در کشور با استفاده از شبکه های عصبی (هوش محاسباتی )

    فهرست:

     

    فهرست جدول ها ................................................................................................................................................................................... أ

    فهرست شکل ها .................................................................................................................................................................................... ب

    فهرست نمودارها ................................................................................................................................................................................... ث

    الف - چکیده مطالب .............................................................................................................................................................................. ج

    ب- مقدمه ............................................................................................................................................................................................ ح

     

    فصل اول : مقدمه و کلیات .................................................................................................................................................................... ١

     ١-١ چکیده مطالب .............................................................................................................................................................. ٢

     ١-٢ مقدمه .......................................................................................................................................................................... ٢

     ١-٣ تعریف شبکه عصبی .................................................................................................................................................... ٤

     ١-٤ کاربرد شبکه های عصبی ............................................................................................................................................. ٦

     ١-٤-١ مقدمه ............................................................................................................................................................ ٦

     ١-٤-٢ آموزش شبکه ................................................................................................................................................ ٦

     ١-٤-٢-١ اطلاعات ساختمانها ......................................................................................................................... ٦

     ١-٤-٢-٢ تحلیل استاتیکی خطی .................................................................................................................... ٧

     ١-٤-٢-٢-١ نکات مدلسازی در تحلیل استاتیکی خطی ........................................................................ ٨

     ١-٤-٢-٣ تحلیل دینامیکی خطی .................................................................................................................... ٨

     ١-٤-٢-٣-١ نکات مدلسازی در تحلیل دینامیکی خطی ....................................................................... ٨

     ١-٤-٢-٣-٢ استخراج نتایج حاصل از تحلیل استاتیکی خطی و تحلیل دینامیکی خطی ...................... ٨

     ١-٤-٢-٤ تحلیل استاتیکی غیر خطی ............................................................................................................. ١٣

     ١-٤-٢-٤-١ نکات مدلسازی در تحلیل استاتیکی غیر خطی ................................................................. ١٣

     ١-٤-٢-٤-٢ استخراج نتایج از تحلیل استاتیکی غیر خطی ................................................................... ١٣

     ١-٤-٢-٥ تحلیل دینامیکی غیر خطی ............................................................................................................. ١٥

     ١-٤-٢-٥-١ نکات مدلسازی در تحلیل دینامیکی غیر خطی ................................................................. ١٥

     ١-٤-٢-٥-٢ استخراج نتایج از تحلیل دینامیکی غیر خطی ................................................................... ١٥

     ١-٤-٢-٥-٢-١ تغییر مکان بام در حد ایمنی جانی ...................................................................... ١٥

     ١-٤-٣ استخراج نتایج از برنامه شبکه عصبی ........................................................................................................... ١٩

     ١-٤-٤ حصول Sa و مقایسه مقادیر ........................................................................................................................ ٢١

     ١-٤-٥ خلاصه فصل و نتیجه گیری ......................................................................................................................... ٢٦

     منابع فارسی و غیر فارسی .................................................................................................................................................... ٢٩

     

    فصل دوم : شبکه های عصبی ................................................................................................................................................................ ٣٠

     ٢-١ مقدمه .......................................................................................................................................................................... ٣١

     ٢-٢ کاربرد شبکه های عصبی ............................................................................................................................................. ٣٣

     ٢-٣ مدل ریاضی نرون ........................................................................................................................................................ ٣٤

     ٢-٤ توابع محرک ................................................................................................................................................................ ٣٥

     ٢-٥ مدل چند ورودی .......................................................................................................................................................... ٣٨

     ٢-٦ یادگیری شبکه ............................................................................................................................................................. ٤١

     ٢-٧ روند عملکرد شبکه ...................................................................................................................................................... ٤٢                                                                                                                                

     ٢-٨ همگرایی شبکه ........................................................................................................................................................... ٤٣

     ٢-٩ شبکه بهینه .................................................................................................................................................................. ٤٣

     ٢-١٠ نرخ یادگیری ............................................................................................................................................................. ٤٣

     ٢-١١ نگاشت مقادیر آموزش به حدود مناسب .................................................................................................................... ٤٣

     ٢-١٢ مراحل گام به گام آموزش شبکه ............................................................................................................................... ٤٣

     ٢-١٣ الگوریتم کلی عملکرد شبکه ..................................................................................................................................... ٤٤

     

    فصل سوم : کاربرد شبکه های عصبی (جهت حصول سریع معیارهای کمی ) ........................................................................................ ٤٦

     ٣-١ مقدمه .......................................................................................................................................................................... ٤٧

     ٣-٢ آموزش شبکه ............................................................................................................................................................... ٤٩

     ٣-٢-١ اطلاعات ساختمانها ....................................................................................................................................... ٤٩

     ٣-٢-٢ تحلیل استاتیکی خطی .................................................................................................................................. ٥٠

     ٣-٢-٢-١ تعریف .............................................................................................................................................. ٥٠

     ٣-٢-٢-٢ نکات مدلسازی در تحلیل استاتیکی خطی ...................................................................................... ٥٠

     ٣-٢-٣ تحلیل دینامیکی خطی .................................................................................................................................. ٥١

     ٣-٢-٣-١ تعریف .............................................................................................................................................. ٥١

     ٣-٢-٣-٢ نکات مدلسازی در تحلیل دینامیکی خطی ..................................................................................... ٥١

     ٣-٢-٣-٣ استخراج نتایج حاصل از تحلیل استاتیکی خطی و دینامیکی خطی ................................................ ٥٢

     ٣-٢-٤ تحلیل استاتیکی غیر خطی ........................................................................................................................... ٥٧

     ٣-٢-٤-١ تعریف .............................................................................................................................................. ٥٧

     ٣-٢-٤-٢ نکات مدلسازی در تحلیل استاتیکی غیر خطی ............................................................................... ٦٠

     ٣-٢-٤-٣ استخراج نتایج از تحلیل استاتیکی غیر خطی .................................................................................. ٦٠

     ٣-٢-٥ تحلیل دینامیکی غیر خطی ........................................................................................................................... ٦٣

     ٣-٢-٥-١ تعریف .............................................................................................................................................. ٦٣

     ٣-٢-٥-٢ نکات مدلسازی در تحلیل دینامیکی غیر خطی ............................................................................... ٦٤

     ٣-٢-٥-٣ استخراج نتایج از تحلیل دینامیکی غیر خطی ................................................................................. ٦٤

     ٣-٢-٥-٣-١ تغییر مکان بام در حد ایمنی جانی DLS ......................................................................... ٦٤

     ٣-٢-٥-٣-٢ کنترل تغییر مکانهای نسبی .............................................................................................. ٦٧

     ٣-٢-٦ تنظیم پارامترها جهت آموزش شبکه ............................................................................................................. ٧٠

     ٣-٣ استخراج نتایج از برنامه شبکه عصبی ......................................................................................................................... ٧١

     ٣-٤ حصول Sa و مقایسه مقادیر ...................................................................................................................................... ٧٧

     ٣-٥ خلاصه فصل و نتیجه گیری ....................................................................................................................................... ٨٣

     

    فصل چهارم : نتیجه گیری و پیشنهادات ............................................................................................................................................... ٨٦

     

    فصل پنجم : نحوه استفاده از برنامه Neural Networks Program .................................................................................................. ٨٩

     

    پیوست ................................................................................................................................................................................................... ٩٨

     پیوست ١: سطوح خطر و سطوح عملکرد ساختمان ............................................................................................................. ٩٩

     پیوست ٢: فایلهای ورودی تنظیم شده برای آموزش .خروجی شبکه ................................................................................ ١٠١

                                                                                                                            

     پیوست ٣: مشخصات سازه ها و مقاطع مورد طراحی ......................................................................................................... ١٠٧

     

    منابع و ماخذ ....................................................................................................................................................................................... ١٢١

    منابع فارسی ....................................................................................................................................................................................... ١٢٢

    منابع غیر فارسی ................................................................................................................................................................................ ١٢٣ 

     

    منبع:

     

    ١- شبکه های عصبی مصنوعی در تحلیل و طراحی سازه ها، دکتر علی کاوه و مهندس همایون ثروتی ، منتشر از مرکز تحقیقات ساختمان و مسکن : ١٣٧٩

    ٢- شبکه های عصبی مصنوعی در بهینه سازی سازه ها، دکتر علی کاوه و دکتر عباس ایران منش ، منتشر از مرکز تحقیقات ساختمان و مسکن : ١٣٧٨

    ٣- دستورالعمل بهسازی لرزه ای ساختمانهای موجود منتشر از پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله :

    خرداد ١٣٨١

    ٤- مبانی شبکه های عصبی ، دکتر محمد باقر منهاج ، منتشر از دانشگاه صنعتی امیر کبیر: ١٣٨١

    ٥- تفسیر دستورالعمل بهسازی لرزه ای ساختمانهای موجود منتشر از پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله : خرداد ١٣٨١

    ٦- آیین نامه طراحی ساختمانها در برابر زلزله ، استاندارد ٢٨٠٠، ویرایش دوم : آذر ١٣٧٨

    ٧- آیین نامه حداقل بارهای وارده بر ساختمانها و ابنیه فنی ، تجدید نظر در استاندارد ٥١٩: ١٣٧٩

     

    1. ASCE . SEI 31-03: Seismic Evaluation of Existing Buildings, Published by the

    American Society of Civil Engineers: 2003

    2. Neuron Model and Network Architectures, Martin Hagan: 2001

    3. Typical Artificial Neural Network Setup, Caudill and Butler: 1992a 

پروپوزال در مورد پایان نامه معیارهای کمی روش های ارزیابی سریع در ساختمان های بتنی متداول در کشور با استفاده از شبکه های عصبی (هوش محاسباتی ) , گزارش سمینار در مورد پایان نامه معیارهای کمی روش های ارزیابی سریع در ساختمان های بتنی متداول در کشور با استفاده از شبکه های عصبی (هوش محاسباتی ) , تز دکترا در مورد پایان نامه معیارهای کمی روش های ارزیابی سریع در ساختمان های بتنی متداول در کشور با استفاده از شبکه های عصبی (هوش محاسباتی ) , رساله در مورد پایان نامه معیارهای کمی روش های ارزیابی سریع در ساختمان های بتنی متداول در کشور با استفاده از شبکه های عصبی (هوش محاسباتی ) , پایان نامه در مورد پایان نامه معیارهای کمی روش های ارزیابی سریع در ساختمان های بتنی متداول در کشور با استفاده از شبکه های عصبی (هوش محاسباتی ) , تحقیق در مورد پایان نامه معیارهای کمی روش های ارزیابی سریع در ساختمان های بتنی متداول در کشور با استفاده از شبکه های عصبی (هوش محاسباتی ) , مقاله در مورد پایان نامه معیارهای کمی روش های ارزیابی سریع در ساختمان های بتنی متداول در کشور با استفاده از شبکه های عصبی (هوش محاسباتی ) , پروژه دانشجویی در مورد پایان نامه معیارهای کمی روش های ارزیابی سریع در ساختمان های بتنی متداول در کشور با استفاده از شبکه های عصبی (هوش محاسباتی ) , تحقیق دانشجویی در مورد پایان نامه معیارهای کمی روش های ارزیابی سریع در ساختمان های بتنی متداول در کشور با استفاده از شبکه های عصبی (هوش محاسباتی ) , مقاله دانشجویی در مورد پایان نامه معیارهای کمی روش های ارزیابی سریع در ساختمان های بتنی متداول در کشور با استفاده از شبکه های عصبی (هوش محاسباتی ) , پروژه دانشجویی درباره پایان نامه معیارهای کمی روش های ارزیابی سریع در ساختمان های بتنی متداول در کشور با استفاده از شبکه های عصبی (هوش محاسباتی )
ثبت سفارش
عنوان محصول
قیمت