شماره ركورد
16708
عنوان
سمينار
سال تحصيل
1403
استاد راهنما
دكتر سعيد رضا مساح
استاد مشاور
ندارم
چکيده
پيشبيني دقيق بارهاي باد وارد بر ساختمانهاي بلند، به سبب آشفتگي جريان هوا و درهمتنيدگي رفتار پوياي سازه، از دشواريهاي بنيادين در مهندسي باد و سازه شمرده ميشود. اگرچه روشهاي آزمايشي مانند اندازهگيريهاي ميداني و آزمايشهاي تونل باد، دادههاي قابل اعتماد فراهم ميكنند، اما هزينه بالا، زمانبر بودن و كاستي در بررسي هندسههاي گوناگون، كاربرد گسترده آنها را در روند طراحي سازههاي بلند با دشواري روبهرو ساخته است. در اين ميان، درهمآميزي شبيهسازيهاي عددي بر پايه ديناميك سيالات محاسباتي با روشهاي يادگيري ماشين بهعنوان ديدگاهي كارآمد و نوين، مورد توجه پژوهشگران قرار گرفته است.
در اين سمينار، با نگرشي مروري و بررسيمحور، مهمترين كاربردهاي يادگيري ماشين در پيشبيني بارهاي باد و واكنش پوياي ساختمانهاي بلند بررسي ميشود. پژوهشهاي اخير نشان ميدهند كه الگوهايي مانند شبكههاي عصبي ژرف ، روشهاي تقويت گرادياني مانند تقويت گرادياني افراطي و حافظه بلند–كوتاهمدت و واحد بازگشتي دروازهدار ميتوانند فشارهاي گذرا، ضريبهاي فشار پخششده و رفتار پوياي سازه را با دقت چشمگيري بازتوليد كنند. همچنين، سامانههاي تركيبي بر پايه درهمآميزي دادههاي ديناميك سيالات محاسباتي و روش اجزاي محدود با يادگيري ماشين كاركرد موفقي در بازسازي جابهجايي و رفتار پوياي ساختمانها در رويدادهاي شديد بادي مانند توفانهاي مانگخوت و كومپاسو از خود نشان دادهاند.
بهعلاوه، بهكارگيري روشهايي مانند يادگيري انتقالي و بررسيهاي تفسيرپذير بر پايه توضيحات جمعپذير شاپلي ، امكان گسترشپذيري الگوها و شناسايي نقش سنجه هايي مانند زاويه باد، شدت آشفتگي و اثر ساختمانهاي پيرامون را فراهم كرده است. در حوزه تداخل باد ميان سازهها نيز الگوهاي درهمآميخته توانستهاند اثر فاصله و آرايش سازههاي پيراموني را با دقت بالا پيشبيني كنند. يافتههاي اين سمينار نشان ميدهد كه بهرهگيري از يادگيري ماشين، همراه با كاهش نياز به آزمايشهاي پرهزينه و شبيهسازيهاي پيچيده، راه طراحي ساختمانهاي بلند را به سوي راهكارهايي سريعتر، شفافتر و كارآمدتر هدايت ميكند.
نام دانشجو
مهدي عابدي طامه
تاريخ ارائه
12/21/2025 12:00:00 AM
متن كامل
89306
پديد آورنده
مهدي عابدي طامه
تاريخ ورود اطلاعات
1404/10/18
عنوان به انگليسي
.Prediction of Wind Loads and Dynamic Responses of Tall Buildings Using Machine Learning
كليدواژه هاي فارسي
بار باد، ساختمانهاي بلند، پاسخ ديناميكي، يادگيري ماشين، ديناميك سيالات محاسباتي، تركيب يادگيري ماشين و روش اجزاي محدود
كليدواژه هاي لاتين
Wind Load, Tall Buildings, Dynamic Response, Machine Learning, Computational Fluid Dynamics (CFD), Coupling of Machine Learning and Finite Element Method, Wind-Induced Vibration