تولید شتابنگاشت مصنوعی با استفاده از شبکه عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت معلم تهران - دانشکده علوم
- نویسنده آرش جعفرگندمی
- استاد راهنما محمود فاطمی عقدا علی بیت اللهی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1382
چکیده
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 توجه نمی باشد اگر چه در صورت انجام یک مطالعه دقیق و جامع بر روی تعیین پارامترهای مدل می تواند بسیار کارا و مفید باشد.یکی از روشهای آماری تولید شتابنگاشت مصنوعی روش آرما می باشد که در این تحقیق با استفاده ازاین روش زلزله قائن مورد مدلسازی قرار گرفته و با استفاده از شتابنگاشتهای ثبت شده این زلزله در 12 ایستگاه مختلف ، اقدام به شبیه سازی آنها شده است.
منابع مشابه
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...
متن کاملتولید 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...
متن کاملتولید مصنوعی جریان رودخانه با استفاده از شبکههای عصبی مصنوعی
در این مطالعه قابلیت مدلهای شبکه عصبی مصنوعی در زمینه تولید مصنوعی جریان ارزیابی میشود. مدلی که برای تولید مصنوعی بکار رفته با ترکیب مدل شبکه عصبی و یک مؤلفه تصادفی با توزیع نرمال ایجاد شده است. در توسعه مدل از شبکه عصبی چند لایه تغذیه پیشرفتی با الگوریتم آموزشی انتشار برگشتی خطا استفاده شده است. بر این اساس مدل، سری‌های بلند مدت و تا 300 سال جریان مصنوعی روزانه در رودخانه خرسان را تنها با ...
متن کاملمدلسازی بازده کششی تراکتور با استفاده از شبکه عصبی مصنوعی
در این مطالعه آزمایشهای مزرعهای در شرایط متفاوت عمق شخم، سرعت پیشروی و میزان وزنههای متصل به تراکتور انجام شد. در این تحقیق، عمق شخم در چهار سطح 5، 10، 15 و 20 سانتیمتر، سرعتهای پیشروی در چهار سطح 5/2، 5/3، 5/4 و 5/5 کیلومتر بر ساعت و میزان سنگینکننده نیز در چهار سطح 0، 40، 80 و 120 کیلوگرم قرار گرفت. شبکههای عصبی مدلسازی شده در این تحقیق که به منظور پیشبینی بازده کششی تراکتور مورد اس...
متن کاملتعیین ارزش دارایی‌های نامشهود با استفاده از شبکه عصبی مصنوعی
درک عوامل موثر بر ارزش شرکت برای سرمایه‌گذاران و اعتباردهندگان پیش از اتخاذ تصمیمات سرمایه‌گذاری یا اعطای تسهیلات، امری حیاتی است. از آن‌جایی که اقتصاد دانش‌محور در حال تکامل یافتن است، روش ایجاد ارزش شرکتی از شیوه سنتی مبتنی بر دارایی‌های فیزیکی به دانش نامشهود منتقل شده است. از این‌رو در آینده نه چندان دور، ارزش‌گذاری دارایی‌های نامشهود به موضوع مهمی در اقتصاد مبدل خواهد شد. این مطالعه بر آن ...
متن کاملبرآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی
دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیمشناسی است که اندازهگیری و برآورد آن ضروری است. با توجه به اینکه دمای خاک فقط در ایستگاههای سینوپتیک کشور اندازهگیری میشود، کمبود آن در نقاط فاقد ایستگاه از چالشهای بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره 9 ساله (2008-2000) ب...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت معلم تهران - دانشکده علوم
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023