درنظر گرفتن اثرات عدم قطعیت های مدلسازی بر منحنی شکنندگی فروریزش با استفاده از شبکه های عصبی مصنوعی

در این مقاله اثرات عدم قطعیت های دانش ناشی از تغییرات موجود در پارامترهای مدل ممان –چرخشاصلاحشدهایبارا–کراوینکلر در سازه های فولادی با استفاده از تحلیل شبیه سازی مونت کارلو بر مبنای شبکه های عصبی مصنوعی دخیل شده اند. آموزششبکهموردنظربااستفادهازداده-های ورودی منتج از تعداد محدودی شبیه سازی متغیرهای مدل سازی بر مبنای توزیع های احتمالی آنها و مقادیر خروجی میانگین و انحراف استاندارد منحنی های شکنندگی فروریزش انجام شده است. دو شبکه دو لایه با استفاده از داده های به دست آمده، آموزش و صحت سنجی شده اندو سپس با استفاده از روش شبیه سازی مونت کارلو بر مبنای شبکه آموزش دیده منحنی شکنندگی فروریزش نهایی به دست آمده است.کارایی روش پیشنهادی با مقایسه نتایج با نتایج حاصل از روش مونت کارلو بر مبنای سطح پاسخ نشان داده شده است. خطای پیش بینی به ترتیب برای مقادیر میانگین و انحراف استاندارد، به میزان 22% و 2% با استفاده از شبکه عصبی پیشنهادی نسبت به روش سطح پاسخ کاهش یافته است.