استفاده از سری های زمانی در شبکه های عصبی مصنوعی تکاملی به منظور ارزیابی آسیب پذیری در قاب بتنی خمشی

پس از وقوع یک زلزله ، تصمیم گیری سریع در مورد ایمنی ساختمان،امکان ادامه بهره برداری از یکساختمان و تعیین موقعیت و میزان خرابی مورد نظر،بسیار مهم و حیاتی می باشد. امروزه تکنیک جدیداستفاده از مدل شبکه های عصبی مصنوعی تکاملی که مبتنی بر هوش مصنوعی می باشد کاربردگسترده ای در زمینه های مختلف علمی به ویژه مهندسی سازه و زلزله پیدا کرده است. در این مقاله یک1/5 تحلیل دینامیکی غیرخطی شده g 0/1 تا g قاب خمشی با 4 طبقه و 4 دهانه تحت سی رکورد از شتابو میزان آسیب کل قاب در هر رکورد و در هر شتاب محاسبه می گردد، سپس به تعیین خسارت بااستفاده از مدلهای شبکه عصبی مصنوعی تکاملی پرداخته می گردد. برای تعیین تعداد و تاخیر زمانیموثر داده های ورودی زلزله در مدلهای شبکه عصبی مصنوعی از روش همبستگی عرضیسریهای زمانی استفاده شد. با استفاده از الگوریتم ژنتیک ساختار مدلهای شبکه (Cross Correlation)عصبی مصنوعی از نظر تعداد لایه ها، تعداد گره ها در لایه پنهان، نوع تابع انتقال و الگوریتم یادگیریشبکه بهینه گردید. نتایج نشان می دهد که روشهای همبستگی عرضی به خوبی تعداد و تاخیر زمانیبه عنوان بهترین MLP موثر داده های ورودی را تعیین می نماید ، علاوه بر این با مقایسه خروجی مدلاز توانایی، MLP مدل با رگرسیون غیرخطی نسبت به شاخص پارک-انگ می توان نتیجه گرفت که مدلدقت و انعطاف پذیری مناسب تری برخوردار می باشند