تولید شتابنگاشت مصنوعی با استفاده از تبدیل موجک پاکت و شبکه عصبی مصنوعی به منظور تخمین نتایج ida

thesis
abstract

در این پایان نامه یک روش ترکیبی جدید به منظور تولید شتابنگاشت های مصنوعی حوزه ی دور با استفاده از شبکه عصبی مصنوعی و تبدیل موجک پاکت معرفی شده است. در این روش برای هر سازه با توجه به موقیت لرزه خیزی و مشخصات غیر خطی خود سازه چندین شتابنگاشت مصنوعی تولید شده است. به منظور درنظر گرفتن اثر پارامترهای غیر خطی سازه در روند تولید شتابنگاشت از منحنی های تقریبی آنالیز دینامیکی افزایشی (ida) استفاده شده است. مقادیر اندازه شدت تمامی منحنی های ida در سطوح مشخصی از اندازه آسیب تعیین شده و به عنوان ورودی به شبکه عصبی مصنوعی در نظر گرفته می شود. شتابنگاشت هایی که با توجه به موقعیت لرزه خیزی منطقه انتخاب شده اند با تبدیل موجک پاکت به تعداد سطوح مشخصی تجزیه شده و هر پاکت به عنوان خروجی یک شبکه عصبی در نظر گرفته می شود. به منظور افزایش کارایی شبکه از آنالیز اجزاء اصلی برای کاهش تعداد ابعاد داده های ورودی بهره گرفته شده است. برای آموزش شبکه عصبی از دو روش در حالت اول با الگوریتم انتشار برگشتی به صورت تکراری و در حالت دوم ترکیب از الگوریتم انتشار برگشتی و الگوریتم زنبورها به منظور بهینه سازی ضرایب وزن و بایاس استفاده شده است. برای نشان دادن کارایی روش پیشنهادی در تولید شتابنگاشت های مصنوعی مناسب و تخمین منحنی ida از دو سازه فولادی قاب خمشی ویژه 3 و 9 طبقه که به صورت دو بعدی مدل شده اند استفاده شده است. در پایان سعی شد با روشی دیگر بر مبنای تبدیل موجک گسسته و یک ضریب اصلاح شتابنگاشت مصنوعی مناسب برای سازه 3 طبقه تولید کنیم. در این روش با تغییر محتوای فرکانسی تعداد کمی از شتابنگاشت های موجود توانستیم منحنی های ida خلاصه شده ی با دقت خوبی تخمین بزنیم.

similar resources

تولید شتابنگاشت مصنوعی زلزله با استفاده از شبکه عصبی فازی

نیاز روزافزون به تحلیل دینامیکی تاریخچه زمانی و عدم­وجود شتابنگاشت­های مناسب در مناطق مختلف، تولید شتابنگاشت­های مصنوعی سازگار با طیف طرح را ضروری می­سازد. هدف اصلی این تحقیق ارائه روشی نوین، بر اساس تبدیل بسته موجک و روش های هوش مصنوعی  برای تولید شتابنگاشت مصنوعی زلزله سازگار با طیف طرح بر اساس مقدار بزرگا، فاصله از گسل و طیف مربوطه می باشد. در این تحقیق از شبکه های عصبی فازی و آنالیز موجک پک...

full text

تولید شتابنگاشت مصنوعی زلزله با استفاده از شبکه عصبی فازی

نیاز روزافزون به تحلیل دینامیکی تاریخچه زمانی و عدم­وجود شتابنگاشت­های مناسب در مناطق مختلف، تولید شتابنگاشت­های مصنوعی سازگار با طیف طرح را ضروری می­سازد. هدف اصلی این تحقیق ارائه روشی نوین، بر اساس تبدیل بسته موجک و روش های هوش مصنوعی  برای تولید شتابنگاشت مصنوعی زلزله سازگار با طیف طرح بر اساس مقدار بزرگا، فاصله از گسل و طیف مربوطه می باشد. در این تحقیق از شبکه های عصبی فازی و آنالیز موجک پک...

full text

تولید شتابنگاشت مصنوعی با استفاده از شبکه عصبی مصنوعی

کمبود داده های شتابنگاشتی در اکثر نقاط از یک سو و لزوم طراحی دقیق دینامیکی سازه ها از سوی دیگر باعث رویکرد به سمت تولید شتابنگاشتهای مصنوعی شده است. دراین تحقیق ضمن مروری بر روشهای کلی ساخت شتابنگاشت مصنوعی ، درابتدا به تشریح روش استفاده از مدل لرزه ای برای تولید شتابنگاشت مصنوعی پرداخته شده است.این روش به خاطر اینکه اکثر پارامترهای مورد استفاده در آن از عدم قطعیت زیادی برخوردارند چندان مورد تو...

15 صفحه اول

تولید شتابنگاشت مصنوعی به منظور تخمین پارامترهای آنالیز دینامیکی افزایشی

در این مقاله روش ترکیبی جدیدی به منظور تولید شتابنگاشت¬های مصنوعی حوزه¬ی دور با استفاده از شبکه عصبی مصنوعی و تبدیل موجک پاکت معرفی شده است. در این روش برای سیستم یک درجه آزادی چندین شتابنگاشت مصنوعی تولید شده است. به منظور درنظر گرفتن اثر پارامترهای غیر خطی سیستم یک درجه آزادی در تولید شتابنگاشت از منحنی¬های آنالیز دینامیکی افزایشی به عنوان ورودی شبکه عصبی استفاده شده است. شتابنگاشت¬هایی که ان...

full text

تخمین ضریب تبدیل شلتوک با استفاده از شبکه های عصبی مصنوعی در خشک کردن بستر سیال

The objective of this research was to predict head rice yield (HRY) in fluidized bed dryer using artificial neural network approaches. Several parameters considered here as input variables for artificial neural network affect operation of fluidized bed dryers. These variables include: air relative humidity, air temperature, inlet air velocity, bed depth, initial moisture content, final moisture...

full text

تخمین ضریب تبدیل شلتوک با استفاده از شبکه های عصبی مصنوعی در خشک کردن بستر سیال

The objective of this research was to predict head rice yield (HRY) in fluidized bed dryer using artificial neural network approaches. Several parameters considered here as input variables for artificial neural network affect operation of fluidized bed dryers. These variables include: air relative humidity, air temperature, inlet air velocity, bed depth, initial moisture content, final moisture...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده عمران

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023