|
چکیده
|
قرار گرفتن ایران در مناطق لرزه خیز جهان و احتمال وقوع زلزله های مخرب در اغلب نقاط کشور، اهمیت شناخت صحیح سازه از دیدگاه لرزه ای را ملزوم می دارد. دیدگاه لرزه ای از این منظر بر ساخت و ساز تاثیر دارد که می توان با بهینه سازی مناسب در سازه فشار ناشی از زلزله بر روی ساختمان را کم کرد. این بهینه سازی را می توان به گونه های مختلف بر ساختمان اعمال کرد. در مورد تمامی ساختمان ها وزن سازه همیشه مسئله ای بنیادین و مهم بوده است. وزن سازه به طور مستقیم بر روی طراحی ساختمان و هزینه ی اجرا موثر است. بدون شک یکی از مهمترین دغدغه ها در روند انتخاب مشخصات و سیستم سازه ای، بهینه سازی هزینه های پروژه بوده است. لذا طراح می تواند بر مبنای تخمین اولیه مناسب وزن اسکلت، در انتخاب مشخصات سازه ای مناسب و شروع طراحی اقدام نماید. بدین ترتیب ضمن حفظ منافع مالی کارفرما، از همان ابتدا دید کلی در مورد تناژ فولاد مصرفی به طراح و کارفرما داده می شود تا در جهت تامین منابع مالی متناسب اقدام نماید. در تحقیق حاضر بر مبنای روش شبکه عصبی و آموزش آن توسط یک جامعه آماری متنوع شامل ساختمان های متنوع با سیستم قاب خمشی فولادی طراحی شده بر مبنای آیین نامه های داخلی به روش LRFD، راهی برای برآورد وزن اسکلت وابسته به برخی مشخصات کلی سیستم ارائه شده است. پارامتر های کلیدی شامل : طول دهانه، تعداد طبقات، نوع مقاطع مورد استفاده، ضریب نسبی شتاب مبنای طرح، ارتفاع طبقات، ضریب اهمیت ساختمان، جنس ساختگاه و ضریب رفتار خمشی در تابع برآورد وزن تاثیر داده شده است. از ارتباط دادن این پارامترها با پارامتر هدف یعنی وزن اسکلت با استفاده از قدرت بالای یادگیری و تعمیم دهی شبکه عصبی، مدلی ارائه شده است که با آن می توان طیف گسترده ای از سازه ها را در بر گیرد. نتایج گرفته شده از شبکه عصبی خطای کم در تخمین مناسب وزن اسکلت را نتیجه داده است. علاوه بر این بر مبنای مطالعه پارامتریک انجام شده روی عوامل موثر، نقش هر یک از عوامل و میزان و نوع تاثیرشان در تغییر پارامتر هدف یعنی وزن اسکلت مورد بررسی قرار گرفته است.
|