بخشی از مقاله
چکیده
دیوارهای برشی نوعی از سیستمهای سازهای است که مقاومت جانبی ساختمان یا سازه را تأمین میکند. بارهای جانبی در یک صفحه و در طول بعد قائم دیوار اعمال میشوند. ایننوع از بارها، معمولاً به وسیله اعضای دیافراگم یا جمعکننده، به دیوار منتقل میگردند. سازههای دیوار برشی بتنی مقاومت قابل توجهی در برابر بارگذاری لرزهای جانبی دارند.
پیشبینی مدل برای ظرفیت برشی این دیوارها برای تضمین امنیت لرزهای ساختمان ضروری است. بنابراین، یک مدل برای تخمین مقاومت برشی دیوارهای بتنی با استفاده از الگوریتم هوش مصنوعی پیشنهاد شده است . پارامترهای ورودی شبکه عصبی شامل ضخامت دیوار برشی بتنآرمه، طول دیوار، نسبت آرماتورگذاری قائم، نسبت آرماتورگذاری عرضی، مقاومت فشاری بتن، تنش تسلیم آرماتورهای عرضی، تنش تسلیم آرماتورهای قائم، نسبت ابعاد در نظر گرفته شدهاند. پارامتر هدف، مقاومت برشی دیوار برشی بتن آرمه میباشد.
.1 مقدمه
دیوارهای بتنی به طور گستردهای برای ساخت ساختمانهای متعارف در بسیاری از مناطق با خطر لرزهای بالا مورد استفاده قرار گرفته است. دیوار بتن مسلح - RC - به طور کلی به عنوان دیوار با نسبت ارتفاع به عرض کمتر از 2 تعریف شده است و به خاطر توانایی آنها در مقاومت در برابر بارهای لرزهای جانبی شناخته شده است .[1] بسیاری از تحقیقات بر روی مدل حداکثر ظرفیت برشی برای دیوارهای بتنی مسلح، از جمله مدلهای فیزیکی، تجربی، عددی و آماری انجام شده است. این نتایج تحقیق در آییننامههای ساختمان، دستورالعملهای مهندسی و استانداردهای ساخت و ساز گنجانده شده است .[2-4]
بر اساس نتایج تجربی قبلی، یک روش با استفاده از شبکههای عصبی مصنوعی مرکز تحقیقات راه، مسکن و شهرسازی - ANN - پیشنهاد داده شده است که میتواند پیشبینی دقیق از حداکثر ظرفیت برشی دیوارهای برشی بتنی باشد که مجموعهای بزرگ از واحدهای عصبی را در مدلسازی توابع و ساختار مغز انسان برای حل مشکلات پیچیدهای که به عنوان مجموعهای از ورودیها و یک خروجی مطلوب مدلسازی میشود .[5-7] معادلات برای محاسبه ظرفیت برشی دیوار برشی بتنی در زیر آمده است. برای تمام معادلات زیر مقاومت برشی وابسته به مقاومت فشاری بتن، نسبت ابعاد، نیروی محوری، نسبت آرماتور عمودی و افقی تقویت شده و سطح مقطع دیوار است.
.2 شبکههای عصبی مصنوعی
شبکه عصبی نوعی ساختار ریاضی است که بر اساس مدل بیولوژیکی مغز انسان به وجود آمده است. هر شبکه عصبی مشتمل بر مجموعهای از اجزاء کوچک داده پردازی به نام نورون میباشد که هر نورون به نورونهای دیگر از طریق یک رابطه جهتدار که دارای وزن مختص به خود است مرتبط میگردد. وزنها نمایش دهنده اطلاعات مورد نیاز شبکه برای حل یک مسئله هستند. یک نورون بیولوژیکی دارای 3 جزء دندریت، سوما و آکسون است.
تعداد زیادی دندریت علائم دریافتی از سایر نورونها را اصلاح میکنند و سوما - بدنه واحد پردازشگر - ، علائم ورودی را جمع مینماید. اگر مقدار مجموع ورودیها از یک حد آستانه فراتر رود، در آن صورت پردازشگر فعال شده و از طریق آکسون علائمی را به سلول بعدی انتقال میدهد. مکانیزم سلولهای عصبی به صورت سری و موازی میباشد، بدین گونه که مجموعه سلولهای عصبی موازی هم که هر یک دارای ورودی مخصوص به خود است، پس از انجام عمل پردازش، مجموعهای از خروجیها را تولید میکند.
این خروجیها به نوبه خود میتواند به عنوان ورودیهای مجموعه دیگر از سلولهای عصبی که به طور سری به مجموعه سلولهای اولیه متصل هستند بکار رود. بنابراین خروجی هر نورون در ضرایب وزنی ضرب و به تابع تحریک غیرخطی به عنوان ورودی داده میشود. به طور کلی مجموعه سلولهای عصبی موازی تشکیل یک لایه را میدهند . هر شبکه عصبی برای تولید خروجی خود میتواند یک یا چند لایه داشته باشد که معمولاً از این لایهها تحت عنوان لایههای پنهان یاد میشود.
آخرین لایه که در حقیقت خروجی شبکه را تولید میکند، لایه خروجی نام دارد. از انواع شبکه های قابل استفاده جهت پیشبینی، میتوان به شبکههای انتشار برگشتی، پس انتشار، دلتا و ... اشاره کرد که در ادامه برای مدلسازی رفتار دیوار برشی بتن آرمه از شبکه پس انتشار برگشتی استفاده شده است. شبکههای پس انتشار برگشتی یکی از معروفترین، مؤثرترین و آسانترین مدلها برای پیشبینی و پیشگویی چندین هدف در میان شبکههای پیچیده و چند لایه هستند .[10-8]
.3 مدلسازی
برای آموزش شبکه عصبی از اطلاعات آزمایشات انجام شده در موضوع دیوار برشی بتن آرمه استفاده شده است. طبق این مطالعات، در سال 1984، Oesterle و همکاران با 5 نمونه [10]، Maier و Thurliamann در سال 1985 با 9 نمونه [11]، Kabeasawa و همکاران در سال 1993 با 12 نمونه [12]، Mo در سال 1993 با 17 نمونه [13]، Gupta در سال 1996 با 6 نمونه [14]، پژوهش کردهاند. در این مقاله با مجموعاً 58 نمونه آزمایشگاهی فوق به آموزش شبکه عصبی مصنوعی ژرداخته شده است. در ادامه مشخصات آماری برای ورودیها و نتیجه مطالعات به صورت آماری در جدول بیان شده است. تمامی پارامترها باید برای معرفی به شبکه با توجه به رابطه 7 مقیاس شوند.
