برآورد میزان آسیب پذیری سازه های بتنی با استفاده از شبکه های عصبی مصنوعی

پس از وقوع یک زلزله، تصمیم گیری سریع در مورد ایمنی ساختمان، امکان ادامه بهره برداری از یک ساختمان و تعیین موقعیت و میزان خرابی مورد نظر، بسیار مهم و حیاتی می باشد . این امر تاکنون بوسیله بازدید محلی از ساختمان مورد نظر توسط افراد خبره و با تجربه انجام می گرفته که امری پرهزینه، وقت گیر و بسیار حساس بوده و از دقت بالایی برخوردار نمی باشد؛ بعلاوه همواره احتمال وجو د خرابی های وسیع و خطرناک اما غیرقابل رؤیت وجود دارد . هدف از انجام این مطالعه ارائه روشی برای تعیین وضعیت آسیب پذیری سازه های بتنی می باشد . برای این منظور ضمن انتخاب و تحلیل و طراحی تعدادی مدل سازه ای بتن آرمه دو بعدی با تعداد طبقات و دهانه های مختلف و شتا بنگاشت های زلزله ثبت شده بر روی خاک متوسط با سطوح PGA متفاوت، این مدل ها توسط نرم افزار IDARCتحلیل تاریخچه زمانی غیرخطی شده و مجموعه ای از داده ها بر حسب پارامترهایی چون تراز شتاب حرکت زمین، نسبت تعداد طبقات به تعداد دهانه ها و میزان خرابی بدست آمده، ایج اد شده وشبکه های عصبی مورد نیاز برای این مجموعه داده ها تربیت خواهند گردید . برای تعیین میزان خرابی از شاخص خرابی پارک وانگ استفاده شده است. نهایتاً با استفاده از شبکه های عصبی مذکور، وضعیت آسیب پذیری سازه های موجود، بررسی شده است.

کلیدواژه ها:

آسیب پذیری ، شاخص خرابی پارک و انگ ، تحلیل تاریخچه زمانی غیرخطی ، شبکه های عصبی مصنوعی