امروزه با افزایش رکوردهای زلزله مشخص شده است که خصوصیات دینامیکی زمین لرزه ها بین ایستگاه های مختلف (حتی اگر در یک ناحیه خاص واقع شده باشند.) می تواند به طور قابل ملاحظه ای متفاوت باشد. این تفاوت در اطراف کانون سطحی بیشتر مشخص است. رویدادهای لرزه ای در تمام نقاط کره زمین نشان داده اند که حرکات زمین در مجاورت گسل مسبب (تا فاصله 15 کیلومتر از گسل) ممکن است شامل پالس های سرعت و تغییرمکان بزرگی باشند که پتانسیل تخریب سازه ای قابل توجه ای دارند. طبق تحقیقات لرزه شناسان، اثر تجمعی انتشار موج برشی در امتداد پاره شدگی گسل، دلیل اصلی شکل گیری پالس با زمان تناوب بالا می باشد. حرکات نزدیک گسل شدیدا متاثر از مکانیزم گسل، راستای انتشار پاره شدگی نسبت به سایت و تغییرشکل های ماندگار زمین می باشد؛ این پارامترها باعث به وجود آمدن دو اثر مهم به نام های راستاپذیری و حرکت پرتابی می شوند که می بایست در تخمین حرکات زمین در مجاورت گسل های مسبب، در نظر گرفته شوند. راستاپذیری پیش رونده به مکانیزم گسیختگی و راستای لغزش نسبت به سایت بستگی دارد و به وسیله یک پالس بزرگ در ابتدای رکورد و در جهت عمود بر صفحه گسل مشخص می شود؛ اما در مقابل، حرکت پرتابی متاثر از تغییر شکل های تکتونیکی در گسل می باشد و معمولا تغییرمکان های استاتیکی ماندگاری تولید می کند که در گسل های راستالغز به موازات امتداد گسل و در گسل های شیب لغز عمود بر گسل، رخ می دهند. مدل های موجودی که حرکات نزدیک گسل را با استفاده از یک یا چند پالس ساده شده شبیه سازی می کنند، قابلیت پیش بینی پاسخ دینامیکی سازه ها را دارند اما اگر این گونه پالس ها با خصوصیات تاریخچه زمانی و طیف پاسخ رکورد واقعی مطابقت نداشته باشند می توانند منجر به نتایج گمراه کننده ای شوند. در نتیجه گسترش مدل هایی که در عین سادگی و قابل اطمینان بودن بتوانند خصوصیت ضربه ای حرکات نزدیک گسل را فراهم کنند، ضروری می باشد. علاوه براین، پارامترهای مدل می بایست دارای مفهوم فیزیکی واضحی باشد به نحوی که بتوان آن را مستقیما به پارامترهای فیزیکی حرکات نزدیک گسل و انتشار امواج مرتبط نمود. مدلی که دارای تمامی خصوصیات گفته شده باشد، مهندسان را قادر می سازد تا بتوانند رفتار سازه ها و شریان های حیاتی را تحت حرکات نزدیک گسل مورد بررسی قرار دهند. در این پایان نامه، یک مدل ریاضیاتی جدید شامل توابع هارمونیک و چندجمله ای جهت شبیه سازی پالس غالب رکورد سرعت حرکات نزدیک گسل ارائه شده است. براساس مدل پیشنهادی تابع سرعت، عبارات مرتبط به آن یعنی تاریخچه زمانی های شتاب و تغییرمکان زمین نیز مشخص شده اند. سپس مدل پیشنهادی با برخی رکوردهای پالس گونه نزدیک گسل از اطلاعات موجود در پایگاه داده پروژه نسل جدید روابط کاهندگی، مطابقت داده شده است. مدل جدید با وجود این که فرم ساده ای دارد، با دقت بالایی بخش پریود بالای رکوردهای نزدیک گسل را شبیه سازی نموده است. همچنین نشان داده شده است که طیف پاسخ الاستیک مدل پیشنهادی مطابقت خوبی با طیف پاسخ رکورد واقعی در نزدیکی فرکانس غالب دارد. نتایج نشان می دهد که مدل پیشنهادی به نحو مناسبی مولفه های تاریخچه زمانی را شبیه سازی می نماید. همچنین برای تایید بیشتر مطابقت مدل پیشنهادی، انرژی پالس پیشنهادی با انرژی رکوردهای واقعی آن مقایسه شده اند. پالس غالب رکوردهای نزدیک گسل ایران طی زلزله های 1978 طبس و 2003 بم با استفاده از مدل ریاضیاتی جدید، مدل سازی شده است. پالس های مدل شده مولفه های حرکتی زلزله بم و طیف های پاسخ الاستیک آن با رکورد واقعی مطابقت بسیار نزدیکی دارند. طیف پاسخ الاستیک پالس تولید شده و رکورد واقعی نزدیک گسل زلزله طبس فقط در محدوده زمان تناوب بالا مطابقت دارد. جهت تخمین پالس غالب حرکات نزدیک گسل و تولید این گونه پالس ها برای اهداف مهندسی با استفاده از مدل پیشنهادی، تخمین مناسبی از پارامترهای استفاده شده در این رابطه با توجه به بزرگای زلزله و موقعیت سایت مورد نظر و شرایط دیگری نظیر نوع اثر حرکت نزدیک گسل، انجام گرفته است. مقدار حداکثر سرعت حرکت زمین با استفاده از شبکه های عصبی مصنوعی تخمین زده شده است. شبکه های عصبی یک روش عملی برای توابع مقادیر واقعی، گسسته و برداری از روی مثال، ارائه می دهند. در این مطالعه، شبکه های عصبی مصنوعی به منظور تخمین حداکثر سرعت زمین حرکات نزدیک گسل گسترش داده شده اند. جهت ایجاد و آموزش شبکه ها از تعداد زیادی از داده های حرکات نزدیک گسل استفاده شد. نتایج شبیه سازی شده با استفاده از بهترین شبکه ها مطابقت مناسبی با داده های ثبت شده موجود حرکات نزدیک گسل را نشان می دهند و می توان از آن به عنوان یک ابزار پیش بینی برای حداکثر سرعت مولفه های عمود بر گسل حرکات نزدیک گسل استفاده نمود. سپس با توجه به مدل شبکه ایجاد شده روابطی برای تخمین حداکثر سرعت ارائه شده است. مقدار خطای میانگین حداکثر سرعت تخمین زده شده برای رکوردهای مختلف به وسیله مدل شبکه های عصبی و رابطه ارائه شده از روی شبکه عصبی مدل شده به ترتیب در حدود 2/10 و 20 درصد می باشد که نسبت به مدل های موجود دارای کمترین خطای میانگین است و این نشان دهنده عملکرد مناسب شبکه های عصبی نسبت به روش های رگرسیون معمول می باشد. همچنین تخمین مناسبی از دیگر پارامترهای رابطه پیشنهادی نیز به دست آمده است. در آخر با استفاده از روابط مدل پیشنهادی و روابط تخمین پارامترهای مرتبط به آن، پالس غالب برخی از رکوردهای حرکات نزدیک گسل تخمین زده شده و با رکورد واقعی مقایسه شده‏اند. پالس های تخمین زده شده شتاب، سرعت و تغییرمکان به همراه طیف پاسخ الاستیک آن ها نشان می دهند که با استفاده از روابط مدل سازی مولفه های حرکتی پالس و همچنین روابط تخمین پارامترهای آن، می توان تخمین قابل قبولی از پالس رکوردهای نزدیک گسل با توجه به موقعیت سایت و بزرگای گشتاوری داشت.

ایران از نظر لرزه خیزی در منطقه فعال جهان قرار دارد و به گواهی اطلاعات مستند علمی و مشاهدات قرن بیستم از خطرپذیرترین مناطق جهان در اثر زمین لرزه های پرقدرت محسوب می شود. ارزیابی لرزه ای ساختمان ها در نزدیکی گسل، به طور قابل توجهی نسبت به آن چیزی که در نواحی دور از منبع زلزله مشاهده می کنیم متفاوت می باشد. با توجه به این که اثرات زلزله های نزدیک گسل در ساختمان های موجود در مناطقی که در مجاورت گسلهای فعال می باشند (با توجه به ضوابط آیین نامه های موجود)، در نظر گرفته نشده است؛ این نوع سازه ها قادر به انجام تمام و کمال وظائف خود نمی باشند. این پایان نامه پاسخ لرزه ای ساختمان های جداسازی شده با جداسازهای پایه ای تحت زلزله های نزدیک گسل را بررسی می کند. ارزیابی لرزه ای ساختمان جداسازی شده با جداسازهای پایه ای با استفاده از مدل تحلیلی سه بعدی غیرخطی در نرم افزار sap2000 انجام می گردد. تحقیق پارامتریک بر برش پایه، شتاب و جابجایی مدلهای جداسازی شده متمرکز است. جابجایی بزرگ و پالسهای سرعت در رکوردهای زلزله نزدیک گسل می تواند به صورت قابل توجه نتایج پاسخ لرزه ای ساختمانهای جداسازی شده را تغییر دهد. کاربرد جداساز در حوزه نزدیک می تواند در بهبود عملکرد سازه موثر باشد. نتایج نشان می دهد که در زلزله northridge (ایستگاه olive view) که زلزله ای نزدیک گسل است جابجایی طبقه بام ساختمان قاب خمشی در حالت بدون جداساز و جداسازی شده به ترتیب 14 و 3/5 سانتیمتر و در ساختمان دارای دیوار برشی در حالت بدون جداساز و جداسازی شده به ترتیب 9/75 و 2 سانتیمتر می باشد. عملکرد بهتر ساختمان دارای دیوار برشی در حالت جداسازی شده به علت روسازه سخت و وجود جداساز می باشد. نیاز تحمیل شده به سازه های سخت در حالت جداسازی نشده، بطور قابل ملاحظه ای از ظرفیت آنها تجاوز می کند. با توجه به اثرات مخرب زلزله های حوزه نزدیک، ضوابط آیین نامه های موجود ناکافی می باشند.

امروزه نیاز به روش های مقاوم سازی استاندارد در صنعت ساختمان بیش از گذشته احساس می شود. از بین تکنیک های مختلف، استفاده از انواع کامپوزیت های frp همواره به عنوان روشی مناسب برای مقاوم سازی اعضای سازه های بتن مسلح شناخته می شود. در این میان روش قرار دادن آرماتورها و نوارهای frp در پوشش بتنی اعضا (near surface mounted-frp) دارای عملکرد به مراتب بهتری نسبت به سایر روش های پیشین می باشد. در این روش به دلیل اتصال بیش تر آرماتورها با بتن، از ظرفیت مصالح frp استفاده کامل تری می گردد. از تکنیک nsm-frp می توان برای مقاوم سازی خمشی انواع تیرها، دال ها، ستون ها، تقویت برشی تیرها، مقاوم سازی دیوارها و غیره استفاده نمود. تقویت خمشی و برشی تیرهای بتنی به کمک این سیستم کاربرد و کارایی بالایی دارد. هرچند اخیراً آزمایشات نسبتاً زیادی در این زمینه انجام شده است ولی همچنان روش nsm به عنوان روشی نوظهور نیاز به استانداردسازی و همچنین دستورالعمل های طراحی و اجرایی مناسب دارد. شبکه عصبی مصنوعی، یک سیستم پردازش اطلاعات است که الهام گرفته از شبکه های عصبی زیستی می باشد و همانند انسان با استفاده از مثال های موجود آموزش می بینند. شبکه های عصبی مصنوعی ابزارهایی قدرتمند برای حل مسائل پیچیده و یافتن ارتباط بین پارامترهای موجود می باشند. در این تحقیق رفتار تیرهای تقویت شده به روش nsm-frp باتوجه به وجود پارامترهای مختلف و روابط پیچیده بین آن ها از شبکه های عصبی مصنوعی استفاده شده است. برای این منظور مجموعه ای از داده های آزمایشگاهی از آزمایشات مختلف برای آموزش شبکه عصبی جمع آوری گردیده است. پارامترهای ورودی موثر که به عنوان ورودی های شبکه عصبی در نظر گرفته شده است شامل: ابعاد تیر، طول آرماتور frp، مقدار frp، مقاومت فشاری بتن، مقدار آرماتور فولادی و مقاومت کششی frp می باشد و تابع هدف مقاومت خمشی و برشی تیر در نظر گرفته شده است. در نهایت پس از مدل سازی تیرهای تقویت شده به روش nsm-frp با استفاده از شبکه های عصبی مصنوعی و با بررسی روابط موجود بین پارامترهای مختلف، رابطه هایی برای پیش بینی تأثیر مقاوم سازی در خمش و برش ارائه شده و تأثیر پارامترهای مختلف بر رفتار تیرهای تقویت شده را بررسی کرده ایم.