چکیده مقاله
یکی از مسائل حائز اهمیت در تحلیلهای دینامیکی تاریخچه زمانی استفاده از شتاب نگاشت قابل اعتماد است در مواردی که اطلاعات ثبت شده کامل نباشد به بیان دیگر قسمتی از اطلاعات زلزله از دست رفته،باشد میتوان از روشهای کلاسیک درون یابی برای حل مسئله استفاده نمود که معمولا با توجه به عدم شناخت الگوی زلزله میتواند خطاهای قابل ملاحظه ای ایجاد نماید به جای این کار میتوان از روشهای یادگیری ماشین و هوش مصنوعی که عملکرد آن بر مبنای فعالیت نورونهای مغز شبیه سازی شده استفاده نمود شبکه عصبی میتواند الگوی رفتار شتابنگاشت را تحلیل نموده اطلاعات از دست رفته را بر اساس درون یابی و برون یابی با کمترین خطا تولید نماید در این تحقیق برای درون یابی اطلاعات از دست رفته شتابنگاشت مشخص از شبکه عصبی پرسپترون سه لایه استفاده گردید به منظور تضمین عمکرد خروجی مدل شبکه تعداد نورونهای لایه های پنهان با توجه به درصد اطلاعات مفقود شده بین ۲۰ تا ۴۰ نورون تغییر نمود دادههای ناموجود به عنوان دادههای تست معرفی گردید تا در فرآیند آموزش شبکه نقشی نداشته باشد کارایی شبکه با استفاده از ضریب همبستگی داده تست بررسی شد نتایج با ضریب همبستگی ۰/۹۹۴ و ۰/۹۷۵ به ترتیب برای سناریوی ۳۰ و ۵۰ درصد اطلاعات از دست رفته نشان دهنده قابلیت مدل در درون یابی داده های شتابنگاشت است
کلیدواژه‌ها
نویسندگان
سید امیر بنی مهد
استادیار گروه مهندسی عمران دانشکده فنی و مهندسی دانشگاه اردکان
خدیجه محمودی
دانشجوی کارشناسی ارشد، زلزله دانشکده مهندسی عمران دانشکدگان، فنی دانشگاه تهران، تهران، ایران
نیما نائینی زاده
دانشجوی کارشناسی ارشد، زلزله دانشکده مهندسی عمران دانشکدگان، فنی دانشگاه تهران، تهران، ایران
شیوه ارجاع
�نی مهد، سید امیر و محمودی، خدیجه و نائینی زاده، نیما،1404،پیش بینی مقادیر ناموجود شتابنگاشت با استفاده از روش یادگیری ماشین،چهاردهمین کنگره بین المللی مهندسی عمران،تهران
ارائه‌شده در
مجموعه مقالات چهاردهمین کنگره بین المللی مهندسی عمران29 مهر 1404 · تهران