| dc.contributor.author | علیدادی, نجمه | fa_IR |
| dc.contributor.author | مهدویان, عباس | fa_IR |
| dc.date.accessioned | 1399-08-24T01:05:17Z | fa_IR |
| dc.date.accessioned | 2020-11-14T01:05:18Z | |
| dc.date.available | 1399-08-24T01:05:17Z | fa_IR |
| dc.date.available | 2020-11-14T01:05:18Z | |
| dc.date.issued | 2016-10-01 | en_US |
| dc.date.issued | 1395-07-10 | fa_IR |
| dc.identifier.citation | علیدادی, نجمه, مهدویان, عباس. (1395). مدلسازی ضرایب بزرگنمایی امواج لرزه‌ای به روش شبکه عصبی (مطالعه: شهر ارومیه). دانش پیشگیری و مدیریت بحران, 6(3), 284-294. | fa_IR |
| dc.identifier.issn | 2322-5955 | |
| dc.identifier.issn | 2538-1814 | |
| dc.identifier.uri | http://dpmk.ir/article-1-88-fa.html | |
| dc.identifier.uri | https://iranjournals.nlai.ir/handle/123456789/656396 | |
| dc.description.abstract | زمینه و هدف: اثرات خاک در طیف طراحی اغلب آیین‌نامه‌های طراحی لرزه‌ای، براساس جنس خاک و متوسط سرعت موج برشی در لایه‌های مختلف لحاظ شده است. در این طیف‌های طراحی، برخی اثرات ویژه ساختگاهی مانند اثرات ضخامت و عمق سنگ بستر لرزه‌ای نادیده گرفته شده است. تجربیات زلزله‌های پیشین ثابت کرده، ضخامت لایه‌های خاک بر پاسخ زمین و در نتیجه بر توزیع خسارات سازه‌ای تاثیر مهمی داشته و غیر قابل چشم پوشی است. ایران از جمله کشورهای زلزله خیز جهان است. شهر ارومیه در منطقه‌ای با پتانسیل لرزه‌ای نسبتاً بالا و در شمال غرب آن واقع شده است. در این مقاله سعی شده است تأثیر تقویت امواج لرزه‌ای در خاکهای ماسه‌ای و مارنی با ضخامت‌های متفاوت در این منطقه مورد بررسی قرار می‌گیرد.
روش: در این آنالیزها از شتاب نگاشت های مصنوعی شبیه سازی شده براساس نتایج تحلیل خطر لرزه ای به عنوان حرکت ورودی برای آنالیز استفاده شده است. پیش‌بینی مقادیر ضرایب بزرگنمایی زلزله از اهمیت حیاتی برای ایمنی انسان دارد و زلزله یک فرآیند بسیار پیچیده و دینامیکی غیرخطی است و این را نمی‌توان به اندازه کافی با هر مدلسازی قطعی پیش‌بینی کرد. بنابراین در این مقاله یک مدل دینامیکی از شبکه‌های عصبی مصنوعی جهت پیش‌بینی زلزله مورد بررسی و تحلیل قرار گرفته است. مدل شبکه عصبی مصنوعی، روش جدیدی برای ایجاد سیستم دانش براساس جمع آوری اطلاعات نمونه است.
یافته: دانش مورد استفاده در این مدل شبکه عصبی برای پیش‌بینی پاسخ لرزه‌ای است که عمدتاً مبتنی بر داده‌های واقعی است که با استفاده از این مدل می‌توان از آن بهره‌مند شد. در این مقاله با استفاده از شبکه عصبی مصنوعی (ANN) مدلی برای پیش‌بینی ضرایب بزرگنمایی لرزه‌ای به‌دست می‌آید. امتیاز اصلی این روش کارایی بالای آن در عمل بوده و با سرعت زیاد می‌توان پاسخ سازه را تحت شتاب‌نگاشت‌ها تعیین کرد.
نتیجه‌گیری: در این مطالعه نتایج به دست آمده از شبکه عصبی مصنوعی با استفاده از معیارهای ضریب همبستگی و جذر میانگین مربعات خطا جوابهای دقیقی را ارائه کرده است و می‌توان از نتایج به دست آمده در ارزیابی لرزه‌ای خاکهای ماسه‌ای و مارنی شهر ارومیه استفاده کرد. | fa_IR |
| dc.format.extent | 937 | |
| dc.format.mimetype | application/pdf | |
| dc.language | فارسی | |
| dc.language.iso | fa_IR | |
| dc.publisher | سازمان پیشگیری و مدیریت بحران شهر تهران | fa_IR |
| dc.relation.ispartof | دانش پیشگیری و مدیریت بحران | fa_IR |
| dc.relation.ispartof | Disaster Prevention and Management Knowledge | en_US |
| dc.subject | تحلیل خطی معادل | fa_IR |
| dc.subject | اثرات ساختگاهی | fa_IR |
| dc.subject | تحلیل خطر لرزه‌ای | fa_IR |
| dc.subject | ضریب بزرگنمایی | fa_IR |
| dc.subject | شتاب‌نگاشت مصنوعی | fa_IR |
| dc.subject | شبکه عصبی مصنوعی. | fa_IR |
| dc.subject | عمومى | fa_IR |
| dc.title | مدلسازی ضرایب بزرگنمایی امواج لرزه‌ای به روش شبکه عصبی (مطالعه: شهر ارومیه) | fa_IR |
| dc.type | Text | en_US |
| dc.type | ترویجی | fa_IR |
| dc.contributor.department | دانشگاه شهید بهشتی، دانشکده مهندسی عمران- آب و محیط زیست، تهران، ایران | fa_IR |
| dc.contributor.department | دانشگاه شهید بهشتی، دانشکده مهندسی عمران- آب و محیط زیست، تهران ، ایران | fa_IR |
| dc.citation.volume | 6 | |
| dc.citation.issue | 3 | |
| dc.citation.spage | 284 | |
| dc.citation.epage | 294 | |
