پایان نامه ارزیابی ساختمانهای بتنی با شبکه های عصبی و هوش محاسباتی

پایان نامه معیارهای کمی روشهای ارزیابی سریع در ساختمانهای بتنی متداول در کشور با استفاده از شبکه های عصبی (هوش محاسباتی)

مقدمه :

در علم زمین شناسی جهت شناسایی لایه های زمین و پدیده های ژئوتکنیکی بیان می شود که امروز را مشاهده کنید، دیروز را حدس بزنید و فردا را پیش بینی کنید . در واقع می توان از این جمله چنین مفهومی را برداشت کرد که با استفاده از یک سری داده ها و اطلاعات موجود می توان در خصوص موارد مشابه دیگر که اطلاعاتی از آن در دسترس نیست یک پیش بینی و شناختی حاصل کرد. از جمله ابزاری که در این راستا می توان از آن بهره جست روش شبکه های عصبی می باشد. همانطور که در مباحث گذشته بیان شد از جمله مشکلات موجود در ارزیابی ساختمانها، نبود اطلاعات فنی و یا صرف زمان زیاد در بررسی دقیق آنها می باشد. ولی با استفاده از روش شبکه های عصبی و استفاده از اطلاعات ساختمانهای مشابه ، می توان تا حد مطلوبی این مسایل را حل و بر مشکلات مذکور غلبه کرد.

شبکه های عصبی مصنوعی که نمونه ای الگو برداری شده از شبکه های عصبی بیولوژیکی هستند و همانند مغز قابلیت یادگیری و تعمیم را دارند می توانند به عنوان یک ابزار با استفاده از اطلاعات ساختمانهای موجود آموزش ببینند و سپس با قابلیت تعمیم پذیری برای ساختمانهای دیگر (همچون ساختمانهای موجود) که یا اطلاعات سازه ای و طراحی آن در دسترس نیست و یا تغییر کرده با صرف زمانی بسیار اندک بکار برده شوند و اطلاعات مورد نیاز در خصوص آن ساختمان ها حاصل شوند.

هدف این مطالعه ، استفاده از شبکه های عصبی برای حصول مقادیر کمی روشهای ارزیابی سازه ها (همانند استانداردهای آمریکایی (03-ASCE.SEI31) و یا ژاپنی (JICA) - البته بسته به شرایط اقتصادی و ساخت ایران)- می باشد. جهت این ادعا در ادامه به این موضوع پرداخته خواهد شد که چگونه می توان معیارهای کمی را با استفاده از شبکه های عصبی حاصل کرد. ابتدا الگوریتم شبکه تهیه شده [فصل دوم ] و در قالب یک برنامه کامپیوتری با استفاده از زبان برنامه نویسی Visual Basic نوشته شده است و سپس کاربرد آن با بررسی جواب های حاصله از این روش و مقایسه با مقادیر تحلیل دقیق 36 سازه بیان شده است .

جهت آموزش سیستم شبکه عصبی 31 ساختمان مورد تحلیل و ارزیابی قرار گرفته است و برنامه با این ساختمان ها به عنوان مثال های ورودی آموزش دیده و سپس در برابر 8 ساختمان جدید قرار خواهد گرفت تا پاسخ را ارائه دهد.

فهرست مطالب

فصل اول : مقدمه و کلیات

چکیده مطالب

مقدمه

تعریف شبکه عصبی

کاربرد شبکه های عصبی

آموزش شبکه

اطلاعات ساختمان ها

تحلیل استاتیکی خطی

نکات مدلسازی در تحلیل استاتیکی خطی

تحلیل دینامیکی خطی

نکات مدل سازی در تحلیل دینامیکی خطی

استخراج نتایج حاصل از تحلیل استاتیکی خطی و تحلیل دینامیکی خطی

تحلیل استاتیکی غیر خطی

نکات مدلسازی در تحلیل استاتیکی غیر خطی

استخراج نتایج از تحلیل استاتیکی غیر خطی

تحلیل دینامیکی غیر خطی

نکات مدلسازی در تحلیل دینامیکی غیر خطی

استخراج نتایج از تحلیل دینامیکی غیر خطی

تغییر مکان بام در حد ایمنی جانی

استخراج نتایج از برنامه شبکه عصبی

حصول Sa و مقایسه مقادیر

خلاصه فصل و نتیجه گیری

فصل دوم : شبکه های عصبی

مقدمه

کاربرد شبکه های عصبی

مدل ریاضی نرون

توابع محرک

مدل چند ورودی

یادگیری شبکه

روند عملکرد شبکه

همگرایی شبکه

شبکه بهینه

نرخ یادگیری

نگاشت مقادیر آموزش به حدود مناسب

مراحل گام به گام آموزش شبکه

الگوریتم کلی عملکرد شبکه

فصل سوم : کاربرد شبکه های عصبی (جهت حصول سریع معیارهای کمی )

مقدمه

آموزش شبکه

اطلاعات ساختمان ها

تحلیل استاتیکی خطی

نکات مدلسازی در تحلیل استاتیکی خطی

تحلیل دینامیکی خطی

نکات مدلسازی در تحلیل دینامیکی خطی

استخراج نتایج حاصل از تحلیل استاتیکی خطی و دینامیکی خطی

تحلیل استاتیکی غیر خطی

نکات مدل سازی در تحلیل استاتیکی غیر خطی

استخراج نتایج از تحلیل استاتیکی غیر خطی

تحلیل دینامیکی غیر خطی

نکات مدلسازی در تحلیل دینامیکی غیر خطی

استخراج نتایج از تحلیل دینامیکی غیر خطی

تغییر مکان بام در حد ایمنی جانی DLS

کنترل تغییر مکانهای نسبی

تنظیم پارامترها جهت آموزش شبکه

استخراج نتایج از برنامه شبکه عصبی

حصول Sa و مقایسه مقادیر

خلاصه فصل و نتیجه گیری

فصل چهارم : نتیجه گیری و پیشنهادات

فصل پنجم : نحوه استفاده از برنامه Neural Networks Program

پیوست ها

منابع

فهرست جدول ها

فهرست نمودارها

فهرست شکل ها