یک روش جدید برای انتخاب پارامتر برش در روش منظم‌سازی تفکیک طیفی

نوع مقاله : Articles

نویسندگان

دانشگاه تربیت مدرس

چکیده

برخلاف روش های محاسباتی نرم که نتایجی تقریبی از یک مسئله معکوس ارائه می دهند، روش های محاسباتی سخت به دلیل یافتن نتایج نسبتاً دقیق تر، در مسائل معکوس مهندسی به وفور استفاده می شوند. روش های منظم سازی یکی از ابزارهای رایج در رفع بدخیمی موجود در این گونه مسائل هستند. استفاده از این روش ها به سبب عدم نیاز به اطلاعات اولیه، در مسائل معکوس بسیار مورد توجه هستند. در این مقاله، روش مرسوم جهت برش زدن تعداد مدهای درگیر در پاسخ نهایی مسئله بررسی شده و یک روش جدید برای برش زدن مناسب تر این پارامتر در روش تفکیک طیفی ارائه شده است. استفاده از روش تفکیک طیفی نتایج قابل قبولی، به ویژه در مناطقی که تراکم و دقت داده کم باشد، ارائه می کند. در این مقاله، با استفاده از روش پیشنهادی، پاسخ ها در دو حالت داده دقیق و داده دارای خطا برای روش تفکیک طیفی محاسبه شده اند. روش تفکیک طیفی شبیه به روش تجزیه مقادیر تکین بوده که در حل مسائل مهندسی بسیار استفاده می‌شود. برای بررسی کارایی روش پیشنهادی، نتایج آن برای دو گسل مفروض در حالات دو بعدی و سه بعدی ارائه شده است. پاسخ های به دست آمده نمایانگر دقت مناسب روش در برش زدن پارامتر مربوطه حین انجام تحلیل معکوس است؛ بنابراین نگارندگان استفاده از این روش را در حل مسائل معکوس مربوط به گسلش پیشنهاد می کنند.A New Method of Determination Truncating Parameter in Spectral DecompositionEbrahim Torkanloo1 and Naser Khaji2*1. M.Sc. in Earthquake Engineering, Faculty of Civil and Environmental Engineering, Tarbiat Modares University,Tehran, Iran2. Professor of Earthquake Engineering, Faculty of Civil and Environmental Engineering, Tarbiat Modares University,Tehran, Iran,*Corresponding Author, email: nkhaji@modares.ac.irKeywords: Inverse Problem, Regularization, Spectral Decomposition, Singular Value Decomposition, Truncating Parameter.--English abstract is in the final page of the pdf file--

کلیدواژه‌ها


Tarantola, A. (2005) Inverse Problem Theory. Elsevier, Amsterdam.
Waszczyszyn, Z. (2010) Advances of Soft Computing in Engineering. Vol. 512, Springer, NewYork.
Khaji, N. (2014) Principles of Engineering Seismology and Seismic Hazard Analysis. Tarbiat Modares University Press, Tehran (in persian).
Snieder, R. and Trampert, J. (2000) 'Inverse Problems In Geopysics'. In: Geomatic Method for the Analysis of Data in the Earth Sciences. Dermanis, A., Grün, A., Sansò, F. (Eds.), Springer, NewYork, 93-164.
Menke, W. (2012) Geophysical Data Analysis: Discrete Inverse Theory. Vol. 45, Elsevier, London.
Hori, M. (2001) Inverse analysis method using spectral decomposition of Green’s function. Geophysical Journal International, 147, 77-87.
Bertero, M., Poggio, T.A. and Torre, V. (1988) Ill-posed problems in early vision. Proceedings of the IEEE, 76(8), 869-889.
Hori, M. (2004) Application of spectral decomposition of Green’s function to linear inverse problem. Engineering Analysis with Boundary Elements, 28, 183-193.
Pawar, P.M. and Ganguli, R. (2011) Structural Health Monitoring Using Genetic Fuzzy Systems. Springer, NewYork.
Beck, A. and Teboulle, M. (2009) A fast iterative shrinkage-thresholding algorithm for linear inverse problems. SIAM Journal on Imaging Sciences, 2(1), 183-202.
Tanaka, M. and Dulikravich, G.S. (2000) Inverse Problems in Engineering Mechanics II, Elsevier, London.
Hansen, P.C. (1994) Regularization tools: A MATLAB package for analysis and solution of discrete ill-posed problems. Numerical Algorithms, 6, 1-35.
Okada, Y. (1985) Surface deformation due to shear and tensile faults in a half-space. Bulletin of the Seismological Society of America, 75, 1135-1154.