1
پژوهشگاه بینالمللی زلزلهشناسی و مهندسی زلزله، تهران
2
پژوهشکده زلزله شناسی، پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله، تهران
چکیده
در این تحقیق، برای برآورد بیشینه شتاب جنبش نیرومند زمین در یک منطقه، از سه نوع شبکهی عصبی مصنوعی با الگوریتمهای متفاوت استفاده شده است که عبارتند از: شبکهی عصبی- فازی هم فعال، المان– جردن و پیشخور با الگوریتم پس انتشار خطا. بردارهای ورودی شبکههای عصبی، شامل چهار پارامتری هستند که تأثیرات مهمی در وقوع زمینلرزه در یک منطقه دارند. این پارامترها عبارتند از: بزرگی ممان زلزله، شعاع گسیختگی کانون زلزله، مکانیسم گسل و ردهبندی ساختگاه. بردار خروجی نیز فقط یک مؤلفه دارد: حداکثر شتاب جنبش نیرومند زمین برای یک زمینلرزه رخ داده در یک منطقه که بهعنوان خروجی هدف استفاده میشود. پس از انجام آزمایشهای مختلف، از میان شبکههای عصبی طراحیشده، شبکهی عصبی- فازی هم فعال (سیآنفیس) بالاترین ضریب همبستگی خروجی، برابر 82/0 و شبکه پیشخور با الگوریتم پس انتشار خطای عمومی، کمترین ضریب همبستگی 41/0 را نشان میدهد. همچنین شبکه سیآنفیس، کمترین میانگین مربعات خطای 075/0 و شبکهی پیشخور، بیشترین میانگین مربعات خطای 125/0 را داشته است. در این تحقیق، شبکه عصبی – فازی هم فعال، بهترین شبکهی عصبی است که میتواند حداکثر دامنه شتاب احتمالی بالاتر از g1 در یک منطقه را برآورد کند.
Gullo, H. and Ercelebi, E. (2007) A neural network approach for attenuation relationships. Engineering Geology, 93, 65-81.
Kreh, T. and Chaw, D. (2002) Neural network approach and micro tremor measurements in estimating peak ground acceleration due to strong motion. Advances in Engineering Software, 33, 733-742.
Strasser, F.O., Bommer, J.J., and Abrahamson, N.A. (2008) Truncation of the distribution of ground motion residuals. Journal of Seismology, 12(1), 79-105.
Strasser, F.O. and Bommer, J.J. (2009) Large-amplitude ground-motion recordings and their interpretations. Soil Dynamics and Earthquake Engineering, 29, 1305-1329.
Moradzadeh, A. and Bakhshi, E. (2006) Simulation of photoelectric log in oil-bearing formation using artificial neural network. Journal of Earth and Space Physic, 32, 1-20 (in Persian).
Cartalopus, S.V. (2003) Fuzzy Logic and Neural Networks, Applications and Concepts.
Gunaydin, K. and Gunaydin, A. (2008) Peak ground acceleration prediction by artificial neural network for northwestern Turkey. Mathematical Problems in Engineering.
McGarr, A., Green, R.W.E., and Spottiswood, S.M. (1981) Strong ground motion mine tremors: some implications for near-source ground motion parameters. Bulletin of the Seismological Society of America, 71(1), 295-319.
Shakal, A.F., Haddadi, H.R., Graizer, V., Lin, K., and Huang, M. (2006) Some key features of the strong motion data from the M 6.0 Parkfield, California, earthquake of 28 September 2004. Bulletin of the Seismological Society of America, 96(4B), S90-S118.
Shing, J. and Jang, R. (1993) ANFIS: adaptive network based fuzzy inference systems. IEEE Transactions on Systems, 23(3).
Werbos, P. J. (1974) Beyond Regression, New Tools for Prediction and Analyses in the Behavioral Sciences. Ph.D. Thesis, Harward University.
Jang, J.S.R., Sun, C.T., and Mizutani, E. (1997) Neuro-Fuzzy and Soft Computing. NJ, Prentice-Hall.
Haykin, S. (1999) Neural Networks, a Comprehensive Foundation. Prentice Hall, Englewood Cliffs, NJ, USA, 2nd Edition.
Altun, S., Guktepe, A.B., Ansal, A.M., and Kguner, C.A. (2009) Simulation of torsional shear testresults with neuro-fuzzy control system. Soil Dynamic and Earthquake Engineering, 29, 253-260.
Jang, J.S.R and Sun, C.T. (1995) Neuro-Fuzzy modeling and control. Proc. IEEE, 83(3), 378-405.
Tsukamoto, Y. (1979) âAn approach to reasoning methodâ. In: Advances in Fuzzy Set Theory and Application, Gupta, M., Ragade, R.K., Yager, R.R. (Eds.), 137-149.
Rumelhart, D.E. and Mc.Clelland, J.L. (1986) Parallel Distributed Processing. Vol I, II, MIT, Cambridge.
Krose, B. and Smagt, P.V. (1996) An Introduction to Neural Network. University of Amsterdam, 47-50.
Jordan, M.I. (1986) Attractor Dynamics and parallelism in a connectionist sequential machine. Proceeding of the 8th Annual Conference of the Cognitive Science Society, 531-546.
نصراله نژاد, علی, علامه زاده, مصطفی, & جوان دلویی, غلام. (1395). تخمین مقادیرحداکثر شتاب جنبش نیرومند زمین توسط سه مدل شبکه های عصبی مصنوعی. فصلنامه علوم و مهندسی زلزله, 3(4), 1-19.
MLA
علی نصراله نژاد; مصطفی علامه زاده; غلام جوان دلویی. "تخمین مقادیرحداکثر شتاب جنبش نیرومند زمین توسط سه مدل شبکه های عصبی مصنوعی". فصلنامه علوم و مهندسی زلزله, 3, 4, 1395, 1-19.
HARVARD
نصراله نژاد, علی, علامه زاده, مصطفی, جوان دلویی, غلام. (1395). 'تخمین مقادیرحداکثر شتاب جنبش نیرومند زمین توسط سه مدل شبکه های عصبی مصنوعی', فصلنامه علوم و مهندسی زلزله, 3(4), pp. 1-19.
VANCOUVER
نصراله نژاد, علی, علامه زاده, مصطفی, جوان دلویی, غلام. تخمین مقادیرحداکثر شتاب جنبش نیرومند زمین توسط سه مدل شبکه های عصبی مصنوعی. فصلنامه علوم و مهندسی زلزله, 1395; 3(4): 1-19.