30623

توليد لرزه‌هاي متوالي با استفاده از روش‌هاي نوين هوش مصنوعي

كارشناسي ارشد

مهندسي عمران گرايش زلزله

1400

1402/12/14

دكتر غلامرضا قدرتي اميري - دكتر مرتضي رئيسي دهكردي

دكتر الهام رجبي

مهندسي عمران

از ديرباز زمين‌لرزه به عنوان يكي از مهم‌ترين و اثرگذارترين بلاهاي طبيعي شناخته مي‌شود. چرا كه به واسطه ماهيت ديناميكي خود اغلب با تخريب فراوان همراه است. از اين رو، مي‌تواند براي انسان‌ها و موجودات زنده تهديدي جدي تلقي گردد. به همين منظور در طي قرن‌ها شناسايي ماهيت زلزله در مركز توجه زلزله‌شناسان و لحاظ نمودن اثرات آن جهت طراحي سازه‌هاي ايمن مورد توجه مهندسين بوده است. شواهد به جاي مانده از زلزله¬هاي قبل حاكي از آن است كه ساختمان¬ها اغلب مجموعه¬اي از لرزه¬ها را تجربه مي-كنند. به بيان ديگر زلزله مي‌تواند شامل پيش‌لرزه‌ها و پس‌لرزه‌هايي باشد كه اغلب در مدت زمان كوتاهي نسبت به يكديگر رخ مي‌دهند. به همين دليل معمولاً فرصت تعمير يا بازسازي سازه فراهم نبوده و پس‌لرزه‌ها مي‌توانند باعث تشديد خرابي سازه‌اي شوند كه در مواجهه با لرزه اصلي آسيب ديده است. از آنجايي كه بشر همواره به دنبال كاهش اثرات زيان‌بار ناشي از زمين‌لرزه‌هاي آتي است، از اين رو كنترل عملكرد سازه در برابر زلزله – به ويژه زلزله‌هاي متوالي – ضرورت پيدا مي‌كند. در برخي موارد كمبود اطلاعات مربوط به زلزله‌هاي ثبت شده دستيابي به اين مهم را دشوار مي‌سازد. به همين دليل پيش‌بيني و توليد زمين‌لرزه مصنوعي به عنوان يك راهكار مطرح مي‌گردد. در سال‌هاي اخير به دليل پيشرفت علم و ظهور هوش مصنوعي روش‌هاي مختلفي جهت توليد زلزله در ادبيات فني مهندسي سازه و زلزله معرفي شده است. اين فرآيند را مي‌توان در سه مرحله تقسيم‌بندي نمود: (1) طبقه‌بندي ركوردهاي زلزله، (2) آماده‌سازي ركوردها به عنوان ورودي مدل‌ها و (3) پردازش خروجي با توجه به هدف مورد نظر. در اين پايان‌نامه هدف آن است كه روش‌هاي معرفي شده در ادبيات فني مهندسي سازه و زلزله جهت توليد لرزه‌هاي متوالي با به كارگيري تكنيك¬هاي نوين هوش مصنوعي از طريق يادگيري ماشين با استفاده از شبكه پيشرفته و جديد GRU مورد مطالعه قرار گيرد. در اين راستا 29 زمين¬لرزه متوالي بحراني ثبت شده از پايگاه PEER استخراج شده و پس از آموزش شبكه GRU در دو مرحله، لرزه دوم با توجه به ويژگي¬هاي لرزه اول شبيه¬سازي شده است. مقايسه نتايج حاكي از دقت قابل¬قبول روش پيشنهادي در توليد لرزه¬هاي ثانويه بحراني است.

1402/12/20

Generation of successive shocks using modern artificial intelligence

3/4/2025 12:00:00 AM

Earthquake has long been known as one of the most important and effective natural disasters. Because due to its dynamic nature, it is often associated with a lot of destruction. Therefore, it can be considered a serious threat to humans and living beings. For this reason, identifying the nature of earthquakes has been in the center of attention of seismologists and considering its effects for the design of safe structures has been the focus of engineers. The evidence left from previous earthquakes indicates that buildings often experience a series of earthquakes. In other words, an earthquake can include foreshocks and aftershocks that often occur within a short period of time. For this reason, there is usually no opportunity to repair or rebuild the structure, and aftershocks can aggravate the damage of the structure that was damaged in the face of the main earthquake. Since humans always seek to reduce the harmful effects of future earthquakes, therefore, it becomes necessary to control the structure's performance against earthquakes, especially consecutive earthquakes. In some cases, the lack of information about recorded earthquakes makes it difficult to achieve this goal. For this reason, the prediction and production of artificial earthquakes is proposed as a solution. In recent years, due to the progress of science and the emergence of artificial intelligence, various methods for producing earthquakes have been introduced in the technical literature of structural engineering and earthquakes. This process can be divided into three stages: (1) classifying earthquake records, (2) preparing records as input to models, and (3) processing the output according to the intended purpose. In this thesis, the aim is to study the methods introduced in the technical literature of structural and earthquake engineering to produce successive earthquakes by applying new techniques of artificial intelligence through machine learning using the advanced and new GRU network. In this regard, 29 consecutive critical earthquakes were extracted from the PEER database and after training the GRU network in two stages, the second earthquake was simulated according to the characteristics of the first earthquake. The comparison of the results indicates the acceptable accuracy of the proposed method in producing critical secondary earthquakes.

لرزه‌هاي متوالي بحراني , زلزله مصنوعي , شبكه عصبي GRU , هوش مصنوعي

Critical Consecutive Earthquakes , Artificial Earthquake , GRU Neural Network , Artificial Intelligence

nafiseh shafiee

dr gholamreza ghodrati amiri - dr morteza raesi dehkordi