استفاده از الگوریتم بهینه‌سازی ازدحام ذرات در شناسایی و استخراج پالس غالب رکورد سرعت حرکات نزدیک گسل

نوع مقاله : Articles

نویسندگان

1 گروه مهندسی عمران، دانشکده مهندسی، دانشگاه قم

2 دانشکده مهندسی، دانشگاه قم

چکیده

در این مطالعه با به‌کارگیری الگوریتم بهینه‌سازی ازدحام ذرات به شناسایی و استخراج پالس سرعت رکوردهای نزدیک گسل با استفاده از مدل‌های شبیه‌سازی پرداخته شده است. تابع هدف در فرآیند بهینه‌سازی، به‌صورت یک تابع مقید است، که در آن جذر میانگین مربعات اختلاف میان مقادیر طیف پاسخ الاستیک شبه سرعت حاصل از مدل شبیه‌سازی پالس و رکورد واقعی به‌عنوان تابع هدف و جذر میانگین اختلاف مقادیر تاریخچه زمانی سرعت متناظر به‌عنوان قید می‌باشد. الگوریتم بهینه‌سازی با تابع هدف تعریف شده، انطباق هم‌زمان تاریخچه زمانی سرعت و طیف پاسخ الاستیک شبه‌سرعت حاصل از مدل پیشنهادی و رکورد واقعی را ممکن می‌سازد. از این طریق، پارامترهای فیزیکی مدل‌های شبیه‌سازی بدون نیاز به فرآیند سعی‌و‌خطا دستی که تاکنون کاربرد مدل‌‌های مذکور را محدود ساخته است، تعیین می‌شود. رویکرد پیشنهادی در استخراج و بیان ریاضی مجموعه‌ای از رکوردهای نزدیک گسل در پایگاه داده پروژه نسل جدید روابط کاهندگی و رکوردهای نزدیک گسل ایران طی زلزله‌های طبس و بم مورد استفاده قرار گرفته است. نتایج حاکی از آن است که رویکرد نوین پیشنهادی پروسه اتوماتیک و کمی با حداقل قضاوت تحلیل‌گر را به‌منظور شبیه‌سازی طیف وسیعی از رکوردهای نزدیک گسل در اختیار قرار می‌دهد.

کلیدواژه‌ها

مراجع

  1. Bertero, V.V., Mahin, S.A., and Herrera, R.A. (1978) A seismic design implications of near-fault San Fernando earthquake records. Earthquake Engineering and Structural Dynamics, 6(1), 31–42.
  2. Anderson, J.C. and Bertero, V.V. (1987) Uncertainties in establishing design earthquakes. Journal of Structural Engineering, 113(8), 1709–1724.
  3. Hall, J.F., Heaton, T.H., Halling, M.W, and Wald, D.J. (1995) Nearsource ground motion and its effects on ï‌‚exible buildings. Earthquake Spectra, 11(4), 569–605.
  4. Iwan, W.D. (1997) Drift spectrum: measure of demand for earthquake ground motions. Journal of Structural Engineering, 123(4), 397–404.
  5. Alavi, B. and Krawinkler, H. (2001) Effects of near-fault ground motions on frame structures. John A. Blume Earthquake Engineering Center.
  6. Menun, C. and Fu, Q. (2002) An analytical model for near-fault ground motions and the response of SDOF systems. Proceedings of 7th U.S. National Conference on Earthquake Engineering, 21-25.
  7. Makris, N. and Black, C.J. (2003) Dimensional analysis of inelastic structures subjected to near fault ground motions. Earthquake Engineering Research Center, University of California.
  8. Mavroeidis, G.P., Dong, G. and Papageorgiou, A.S. (2004) Near-fault ground motions, and the response of elastic and inelastic single degree-of-freedom (SDOF) systems. Earthquake Engineering and Structural Dynamics, 33(9), 1023–1049.
  9. Akkar, S., Yazgan, U., and Gulkan, P. (2005) Drift estimates in frame buildings subjected to near-fault ground motions. Journal of Structural Engineering, 131(7), 1014–1024.
  10. Luco, N. and Cornell, C.A. (2007) Structure-speciï‌c scalar intensity measures for near-source and ordinary earthquake ground motions. Earthquake Spectra, 23(2), 357–392.
  11. Somerville, P.G., Smith, N.F., Graves, R.W., and Abrahamson, N.A. (1997) Modiï‌cation of empirical strong ground motion attenuation relations to include the amplitude and duration effects of rupture directivity. Seismological Research Letters, 68(1), 199–222.
  12. Mavroeidis, G.P. and Papageorgiou, A.S. (2003) A mathematical representation of near-fault ground
  13. motions. Bulletin of the Seismological Society of America, 93(3), 1099–1131
  14. Baker, J. (2007) Quantitative classiï‌cation of nearfault ground motions using wavelet analysis. Bulletin of the Seismological Society of America, 97(5), 1486–1501.
  15. Hoseini Vaez, S.R., Sharbatdar, M.K., Ghodrati Amiri, G., Naderpour, H., and Kheyroddin, A. (2013) Dominant pulse simulation of near fault ground motions. Earthquake Engineering and Engineering Vibration, 12(2), 267-278.
  16. Shi, Y., and Eberhart, R.C. (1998) Parameter selection in particle swarm optimization. International conference on evolutionary programming, 591-600.
  17. Eberhart, R.C. and Kennedy, J. (1995) A new optimizer using particles swarm theory. Proceedings of the 6th International Symposium on Micro Machine and Human Science, 1, 39–43.
  18. Jie, J., Zeng, J., Han, C., and Wang, Q. (2008) Knowledge-based cooperative particle swarm optimization. Applied Mathematics and Computation, 205(2), 861–873.
  19. Kennedy, J. and Eberhart, R.C. (1995) Particle swarm optimization. Proceedings of 1995 IEEE International Conference on Neural Networks, 1942-1948.
  20. Eberbart, R.C., Dobbins, R., and Simpson, P. (1996) Computational intelligence PC tools. Academic Press Professional, Inc.
  21. Kennedy, J. (1997) The particle swarm: Social adaptation of knowledge. IEEE International Conference on Evolutionary Computation, 303-308.
  22. Shi, Y. and. Eberhart, R. (1998) A modiï‌ed particle swarm optimizer. Proceedings of the 1998 IEEE International Conference on Evolutionary Computation, 69-73.
  23. Mcfadden, P.D., Cook, J.G., and Forster, L.M. (1999) Decomposition of gear vibration signals by the generalised S transform. Mechanical Systems and Signal Processing, 13(5), 691–707.
  24. Todorovska, M.I., Meidani, H., and Trifunac, M.D. (2009) Wavelet approximation of earthquake strong ground motion-goodness of fit for a database in terms of predicting nonlinear structural response. Soil Dynamics and Earthquake Engineering, 29(4), 742–751.
  25. Trifunac, M.D. (2008) Energy of strong motion at earthquake source. Soil Dynamics and Earthquake Engineering, 28(1), 1–6.

فایل ها

اشتراک گذاری

ارجاع به این مقاله

آمار