>
Fa   |   Ar   |   En
   مدل‌ سازی ضریب بزرگنمایی خاک ‌های ماسه‌ای به دو روش شبکه عصبی و برنامه‌ریزی بیان ژن  
   
نویسنده علیدادی نجمه ,مهدویان عباس
منبع علوم زمين - 1397 - دوره : 27 - شماره : 107 - صفحه:87 -98
چکیده    زمانی که امواج زمین‌لرزه از لایه‌های آبرفتی می‌گذرند؛ دامنه امواج لرزه‌ای در برخی از دوره‌ها به‌طور قابل‌توجهی افزایش می‌یابد که با عنوان بزرگنمایی سایت شناخته می‌شود. در این صورت می‌توان آن را با یک مدل تحلیلی به‌صورت نسبت طیف پاسخ سطح زمین به طیف پاسخ حرکت ورودی برآورد کرد. این رفتار در ارزیابی عملکرد لرزه‌ای سازه‌ها و شریان‌های حیاتی ضروری است. در این مقاله سعی شده است که این تاثیر در لایه‌های ماسه‌ای با ستبرا‌های متفاوت بررسی شود. برای نمونه، شهرستان ارومیه به عنوان یکی از کلان‌شهرهای شمال ‌باختری ایران و منطقه‌ای زمین‎لرزه‌خیز بررسی شده است. 120 گمانه ژئوتکنیکی حفر و لایه‌های ماسه‌ای با ستبرا‌های متفاوت در بخش مرکزی و خاوری آن دیده شده است. در این تحلیل‌ها از شتاب‌نگاشت‌های مصنوعی شبیه‌سازی‌ شده بر پایه نتایج تحلیل خطر لرزه‌ای به عنوان حرکت ورودی برای تحلیل استفاده شده است. سپس با مقایسه شتاب‌های طیفی در دوره‌های مختلف سطح زمین با مقادیر متناظر روی سنگ‌بستر لرزه‌ای طیف بزرگنمایی شتاب طیفی در دوره‌های مختلف ارائه و به دنبال آن با استفاده از شبکه عصبی و الگوریتم ژنتیک مدل‌سازی این ضرایب انجام شد. نتایج به دست آمده نشان‎دهنده افزایش قابل‌ توجه ضریب بزرگنمایی در برخی از دوره‌ها با افزایش ستبرای لایه‌های ماسه‌ای است. با استفاده از نتایج مدل‌سازی ارائه ‌شده می‌توان ضرایب بزرگنمایی خاک‌های ماسه‌ای شهر ارومیه را با ستبرا‌های متفاوت به ازای دوره‌های متغیر تا 4 ثانیه برآورد کرد. در این مطالعه نتایج به ‌دست ‌آمده از شبکه عصبی مصنوعی با استفاده از معیارهای ضریب همبستگی و جذر میانگین مربعات خطا جواب‌های دقیق‌تری نسبت به برنامه‌ریزی بیان ژن ارائه کرده است. همچنین در این مطالعه با استفاده از الگوریتم تکاملی برنامه‌ریزی بیان ژن رابطه ریاضی به ازای ستبرای لایه ماسه‌ای و دوره‌های متفاوت بیان می‌شود.
کلیدواژه تحلیل خطی معادل، اثرات ساختگاهی، ضریب بزرگنمایی، شتاب‌نگاشت مصنوعی، شبکه عصبی، برنامه‌ریزی بیان ژن
آدرس دانشگاه شهید بهشتی, دانشکده مهندسی عمران، آب و محیط ‌زیست, ایران, دانشگاه شهید بهشتی, دانشکده مهندسی عمران، آب و محیط ‌زیست, ایران
پست الکترونیکی a_mahdavian@sbu.ac.ir
 
   Modeling the amplification ratio of sandy soils using two methods of neural network and gene  
   
Authors Alidadi N. ,Mahdavian A.
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved