در این تحقیق با استفاده از تبدیل موجک شتابنگاشت به چندین تراز مجزا تقسیم شده است که هر تراز یک محدوده فرکانسی خاصی را پوشش می دهد .موجک مادر استفاده شده در این تحقیق تابع پاسخ ضربه نوسانگر نامیرا که یک تابع نمایی هارمونیک است می باشد. سپس طیف پاسخ سرعت زلزله های مختلف به عنوان ورودی به شبکه های عصبی داده می شود و تبدیل فوریه هر تراز موجک زلزله های مختلف به عنوان خروجی به شبکه عصبی داده می شود ودر نهایت شبکه عصبی آموزش می بیند. در این تحقیق از52 رکورد زلزله مختلف که اغلب آن ها غرب آمریکا و ایران می باشد استفاده شده است که برای آموزش شبکه از 45 رکورد و برای تست شبکه ها از 7رکورد استفاده شده است. سپس رکوردهای تولید شده با استفاده از شبکه عصبی و همچنین رکورد های اصلی بر روی قاب های خمشی با مقطع کاهش یافته(rbs) و قاب خمشی با اتصال استاندارد اعمال شده اند. از قاب های خمشی 5،10 و 15 در مدل های تحلیلی استفاده شده است . قاب ها تحت رکورد های اعمال شده تحلیل تاریخچه زمانی خطی مودال شده اند . با مشاهده نتایج مشخص می شود که شبکه آموزش دیده دارای دقت بالایی در تولید شتابنگاشت مصنوعی سازگار با طیف پاسخ می باشد که دارای خطای قابل قبولی می باشد.خطای میانگین رکوردها ی تولید شده در حدود 18 درصد برای اکثر رکوردها به دست آمد. تحلیل تاریخچه زمانی خطی بر روی قاب ها نشان داد در قاب خمشی با اتصال rbs مقدار برش پایه 5 تا 8 درصد کاهش می یابد ودریفت داخلی طبقات میانی به طور متوسط 4 تا 10 درصد افزایش می یابد.در رکورد های اعمال شده بر روی قاب های خمشی اختلاف برش پایه قاب در رکورد های اصلی و تولید شده برای ایستگاه های تست شونده در اغلب رکورد ها حدود 20 درصد مشاهده شد.