بخشی از مقاله
خلاصه
ارزیابی کلی از خسارات وارده به سازهها و تاسیسات در زلزلهها نشان میدهد که شرایط ساختگاهی تاثیر قابل توجهی بر نحوه توزیع خرابیها در شهرها و روستاها داشته است. ارزیابی تاثیر لایه بندی خاک در مشخصات زمین لرزه در سطح زمین از لحاظ شتاب حداکثر و جابجاییها و محتوای فرکانسی یکی از موارد مهم میباشد که مورد توجه مهندسان ژیوتکنیک قرار گرفته است.
با توجه به لزوم صرف هزینههای محاسباتی بالا و صرف زمان بسیار استفاده از تکنیک های تقریب سازی پیشرفته موثر خواهد بود. یکی از موثرترین تکنیک های تقریب سازی، شبکههای عصبی می-باشند.در این تحقیق شرایط ساختگاهی با استفاده از شبکه های عصبی تابع بنیادی شعاعی - - RBF و انتشار برگشتی - BP - تقریب سازی شده اند. مقایسه نتایج به دست آمده از شبکههای عصبی با نتایج دقیق نشان دهنده کارآیی این شبکهها در عین سرعت بالایشان میباشد.
1. مقدمه
مطالعه پراکندگی خسارت در زلزله های مختلف مبین اهمیت تاثیر ساختگاه بر مشخصات زمین لرزه میباشد.[1] شرایط محلی ساختگاه بر کلیه خصوصیات مهم حرکت نیرومند زمین شامل دامنه، محتوای فرکانسی و مدت، اثر قابل ملاحظه ای می گذارند. به عبارتی خصوصیات یک زلزله با توجه به مشخصات فیزیکی و مشخصات دینامیکی ساختگاه، میتواند در فرکانسهای مشخصی تشدید و یا تضعیف شوند3]،.[2 میزان تاثیرگذاری تابع هندسه، خواص مصالح لایههای زیرسطحی، توپوگرافی ساختگاه و خصوصیات حرکت ورودی میباشد.
اثرات محلی ساختگاه نقش مهمی در طراحی مقاوم در برابر زلزله ایفا مینمایند و بایستی برای هر حالت به صورت مجزا با آن برخورد لازم صورت پذیرد. از آنجایی که اغلب شهرها و سازه-های با درجه اهمیت بالا در نزدیکی و یا روی درههای آبرفتی بنا شدهاند بنابراین بررسی تاثیر نوع لایهبندی و موقعیت لایهها در میزان حرکات ایجادی در سطح زمین امری ضروری میباشد.در این مقاله سعی بر آنست تاثیرات شرایط ساختگاهی اعم از جنس لایه و موقعیت آن بر حرکات سطح زمین، در سطح تحلیل خطی خاک با استفاده از نرم افزار EERA مورد بررسی قرار گیرد. از آنجا که بررسی شرایط ساختگاهی به صورت موردی مستلزم صرف هزینه و وقت زیادی میباشد، تقریب سازی شرایط ساختگاهی ناگزیر به نظر میرسد.
یکی از کارآمدترین روشهای تقریب سازی که در سالهای اخیر در حوزههای مختلف علوم و مهندسی کاربردهای موفقیت آمیزی داشته، استفاده از شبکه های عصبی میباشد. برتری شبکههای عصبی نسبت به سایر روشها سرعت بسیار زیاد آنها در پاسخ دادن به دادهها است. در این صورت میتوان زمان مورد نیاز جهت محاسبات پیچیده را کاهش داد. در این تحقیق شبکههای عصبی تابع بنیادی شعاعی - RBF - و انتشار برگشتی - BP - جهت تقریب سازی شرایط ساختگاهی آموزش داده شدهاند. مقایسه نتایج به دست آمده از شبکههای عصبی با نتایج دقیق نشان دهنده قابلیت مناسب این شبکهها در تقریب سازی با سرعت بالا میباشد.
2. مدل تحلیلی
ایجاد یک مدل مناسب جهت تحلیل تاثیر شرایط ساختگاهی، اولین مرحله فرآیند تقریب سازی میباشد. برای این منظور و تعیین شتاب حداکثر در سطح زمین متاثر از شرایط ساختگاهی یک مدل یکبعدی از پروفیل خاک با استفاده از نرم افزار EERA ایجاد شد و سپس تحت سه زلزله کوبه1، طبس2 و لندرس3 شتابهای حداکثر به دست آمد. مانند هر مدل تحلیلی، مدل مورد نظر دارای خصوصیات و فرضیاتی است که به طور خلاصه عبارتند از:
2.1 هندسه مدل
در این تحقیق یک پروفیل خاک در نظر گرفته شده است، شکل .1 لایهها به صورت یک در میان از ماسه و رس تشکیل شدهاند. سی مدول برشی متفاوت برای ماسه و رس در هر کدام از مدلها در نظر گرفته شده است. خواص ژیوتکنیکی ماسه و رس در لایه های مختلف در هر مدل یکسان است.
شکل - 1 پروفیل خاک
2.2 روش خطی معادل
روش خطی معادل امکان بهره گیری از تابع تبدیل جهت ایجاد رابطه بین پارامترهای مورد مطالعه - شتاب یا سرعت سطح زمین - با پارامترهای معلوم - شتاب بستر سنگی - را فراهم میسازد. از آنجایی که روش خطی معادل اساسا خطی میباشد، پاسخ در هر دو نقطه در یک توده خاک به صورت یگانه به یکدیگر وابسته میباشند. در نتیجه، میتوان حرکت یک بخش را در هر نقطه از خاک تعیین کرد و حرکت ایجاد شده در هر نقطه دیگر را محاسبه نمود. این امر امکان بهرهگیری از حرکت یک توده خاک که در سطح زمین ثبت شده است را جهت محاسبه حرکتی که در بستر سنگی ایجاد میکند نیز فراهم مینماید.
این عملیات که به ساده سازی معروف است، در تفسیر حرکت واقعی زمین که در سطح توده خاک ثبت میشود بسیار مفید است ولی راه حل منحصر به فردی به هنگام استفاده از تحلیل های غیر خطی ارائه نمیدهند.جهت تحلیل یک بعدی پاسخ زمین از نرم افزار EERA استفاده گردیده که بر پایه روش خطی معادل بازسازی شده است. تحلیل های یک بعدی پاسخ زمین بر پایه این فرض استوار است که سطح زمین و مرز تمام لایههای زید سطح زمین افقی بوده و در تمام جهات جانبی نامحدود میباشد. اگرچه این فرضیات کلیه شرایط را ارضا نمیکنند اما در کاربردهای مهندسی در بسیاری از ساختگاهها مناسب میباشند.
3. شبکه های عصبی
شبکههای عصبی که امروزه در حوزههای فراوانی، ارزش بالای خود را نشان دادهاند از تعمیم یافتن مدلهای ریاضی شبکههای عصبی جانداران بر اساس فرضیات زیر به دست آمدهاند:
پردازش روی اطلاعات در اجراء ساده ای که نرون نام دارند صورت میگیرد. اطلاعات بین نرونها از طریق ارتباطات بین آنها مبادله میشود. هریک از این ارتباطات دارای وزن منحصر به فردی است که در اطلاعات منتقل شده از نرونی به نرون دیگر ضرب میشود. هر یک از نرونها برای محاسبه خروجی خود از یک تابع تحریک که معمولا غیر خطی است و بر ورودیها اعمال میشود، استفاده مینمایند. لذا ساختار شبکه، روش آموزش شبکه و نوع تابع تحریک نرونها سه خصوصیت مشخص کننده یک شبکه عصبی مصنوعی میباشد.
3.1 شبکه عصبی تابع بنیادی شعاعی - RBF1 -
شبکه RBF به واسطه آموزش سریع قابلیت تعمیم بخشی و سادگی، بسیار جالب توجه و مفید میباشد. این شبکه دارای دو لایه پنهان و خطی میباشد. همه نرونهای لایه پنهان دارای تابع تحریک گوس هستند و از آنجایی که منحنی نمایش این تابع دارای تقارن شعاعی است لذا به این نرونها، نرونهای تابع بنیادی شعاعی گفته میشود و به این نوع از شبکهها، شبکه تابع بنیادی شعاعی گفته میشود. شکل 2 ساختار شبکه RBF استفاده شده در این تحقیق را نشان میدهد. f تابع تحریک نورونهای لایه پنهان است که از نوع نمایی گوس میباشد.این تابع تحریک با معادله 1 نشان داده شده است.خروجی-های شبکه در اثر اعمال یک تابع تحریک خطی به سیگنالهای ارسال شده از لایه مخفی به لایه خروجی،تولید میشوند.
شکل - 2 ساختار یک شبکه RBF
میتوان u را میانه و را انحراف استاندارد منحنی پاسخ نورون درنظر گرفت. نورونهای خروجی ،مجموع وزندار پاسخ نورونهای لایه مخفی را به صورت معادله 2 محاسبه میکنند.
