31052

بكارگيري مكانيزم مركزگرايي در بهسازي لرزه‌اي ستون‌هاي پل‌هاي بتني موجود با استفاده از روش‌هاي يادگيري ماشين

كارشناسي ارشد

عمران

1400

1403/04/11

دكتر وحيد بروجرديان

دكتر اسماعيل محمدي ده‌چشمه

عمران

هدف اين پايان‌نامه بررسي امكان دستيابي به روش مستقيمي است كه بدون نياز به استفاده از روش‌هاي استاندارد طراحي، بهسازي لرزه‌اي ستون‌هاي بتن مسلح مدور پل‌ها را با روش مركزگرا ممكن سازد. دراين‌خصوص تعدادي ستون بتني مدور با ارتفاع و قطر متفاوت به‌عنوان ديتاست در نظر گرفته شده است. در انتخاب ستون‌ها مواردي مانند نسبت ارتفاع به قطر جهت جلوگيري از لاغري موردتوجه بوده و تلاش شده است كه ارتفاع و قطر نمونه‌ها در ديتاست ايجاد شده نماينده ستون‌هاي بتني موجود در پل‌هاي در دست بهره‌برداري باشد. ستون موردنظر با استفاده از نرم‌افزار OpenSees به‌صورت پارامتري مدل‌سازي شد و سپس به‌منظور دستيابي به پارامترهاي مهندسي موردنياز جهت بهسازي لرزه‌اي مانند سطح مقطع تاندون، تحليل استاتيكي غيرخطي روي ديتاست انجام گرفت. تحليل به‌صورت چرخه‌اي تكرار شد تا محدوديت‌هاي درنظر گرفته شده در طراحي تأمين شود. سپس خروجي تحليل شامل اطلاعات ستون‌ها و نتايج خروجي تحليلي آنها، به‌صورت مجموعه‌داده (DataSet) آماده شده و مدل‌هاي مختلف يادگيري ماشين به‌وسيله آن آموزش داده شدند. نتايج پارامتر اعتبارسنجيR2 (R-Squared) در تمام مدل‌ها بالاي %98 بود. براساس پارامترهاي اعتبارسنجي ميانگين خطاي مطلق (Mean Absolute Error) و جذر ميانگين مربعات خطا (Root Mean Square Error) مشخص گرديد كه مدل‌هاي يادگيري ماشين رگرسيون چندجمله‌اي (Polynomial Regression) در درجات 3 و 4 و مدل شبكه عصبي مصنوعي (Artificial Neural Network) به‌خوبي مي‌توانند پارامترهاي مهندسي موردنياز جهت بهسازي لرزه‌اي مانند سطح مقطع تاندون و ميله جاذب انرژي را تعيين نمايند. سپس مدل‌هاي طراحي‌شده بصورت يك مجموعه‌داده آماده شده و با استفاده از روش تحليل تاريخچه زماني غيرخطي (NTHA) تحت 160 ركورد زلزله شامل 120 ركورد دور از گسل (Far-Field) و 40 ركورد نزديك به گسل (Near-Field) قرار گرفتند. اين ركوردها بوسيله زلزله مبناي طرح (Design Base Earthquake) و حداكثر زلزله مورد انتظار(Most Considered Earthquake) مقياس شدند. از نتايج حاصل از تحليل، به‌وسيله برنامه‌نويسي ژنتيك(Genetic Programming) يك فرمول رياضي استخراج شد كه مي‌تواند بادريافت بخشي از اطلاعات موردنياز پارامترهاي طراحي را تعيين نمايد. در22 مورد از داده‌هاي مجموعه‌داده بخشي از داده‌ها در رابطه وارد شدند تا ميزان دقت برنامه در تعيين مقدار پارامترهاي مجهول مشخص شود. همچنين 10 داده جديد و خارج از مجموعه‌داده برنامه در رابطه قرار داده شدند تا ميزان دقت برنامه در داده‌هاي ناديده كنترل شود. خطاي پاسخ درهردو مورد حدود %15 نشان داده شد.

1403/04/27

Using the self-centering mechanism to seismic rehabilitation of existing concrete bridge columns considering machine learning methods

7/1/2025 12:00:00 AM

The aim of this thesis is to investigate the possibility of obtaining a direct method that enables the seismic improvement of circular reinforced concrete columns of bridges with the Self-Centering method without the need to use standard design methods. In this regard, a number of circular concrete columns with different heights and diameters have been considered as datasets. In the selection of columns, things like the height-to-diameter ratio are considered to prevent slimness, and it has been tried that the height and diameter of the samples in the created dataset are representative of the concrete columns in the bridges in operation. The desired column was modeled parametrically using OpenSees software, and then, in order to obtain the engineering parameters required for seismic improvement, such as the cross-section of the tendon, a nonlinear static analysis was performed on the dataset. The analysis was repeated cyclically to satisfy the constraints considered in the design. Then, the output of the analysis, including the information of the columns and the results of their analytical output, was prepared in the form of a dataset and different machine learning models were trained by it. The results of R2 validation parameter (R-Squared) in all models were above 98%. Based on the validation parameters of Mean Absolute Error and Root Mean Square Error, it was determined that Polynomial Regression machine learning models in grades 3 and 4 and Artificial Neural Network model are well They can determine the engineering parameters required for seismic improvement, such as the cross section of the tendon and the energy absorbing rod. Then the designed models are prepared as a data set and subjected to 160 earthquake records including 120 far-field records and 40 near-fault records using the nonlinear time history analysis (NTHA) method. . These records were determined by Design Base Earthquake and Most Considered Earthquake. Based on the results of the analysis, a mathematical formula is extracted by genetic programming, which can determine the programming part of the design designs. In 22 cases of the data set, a part of the data was entered in the relationship to determine the accuracy of the program in determining the unknown values. Also, 10 new data outside the program set were included in order to control the accuracy of the program in unseen data. The answer error in both cases was shown to be about 15%.

بهسازي، ستون بتن مسلح، مركزگرا، جاذب انرژي، OpenSees، يادگيري ماشين، الگوريتم ژنتيك.

improvement, reinforced concrete column, self-centering, energy Dissipator, OpenSees, machine learning, genetic algorithm

Sharif Hashemi

Dr Vhid Broujerdian