این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم زمین، جلد ۲۷، شماره ۱۰۷، صفحات ۸۷-۹۸
عنوان فارسی مدل‌سازی ضریب بزرگنمایی خاک‌های ماسه‌ای به دو روش شبکه عصبی و برنامه‌ریزی بیان ژن
چکیده فارسی مقاله زمانی که امواج زمین‌لرزه از لایه‌های آبرفتی می‌گذرند؛ دامنه امواج لرزه‌ای در برخی از دوره‌ها به‌طور قابل‌توجهی افزایش می‌یابد که با عنوان بزرگنمایی سایت شناخته می‌شود. در این صورت می‌توان آن را با یک مدل تحلیلی به‌صورت نسبت طیف پاسخ سطح زمین به طیف پاسخ حرکت ورودی برآورد کرد. این رفتار در ارزیابی عملکرد لرزه‌ای سازه‌ها و شریان‌های حیاتی ضروری است. در این مقاله سعی شده است که این تأثیر در لایه‌های ماسه‌ای با ستبرا‌های متفاوت بررسی شود. برای نمونه، شهرستان ارومیه به عنوان یکی از کلان‌شهرهای شمال ‌باختری ایران و منطقه‌ای زمین‎لرزه‌خیز بررسی شده است. 120 گمانه ژئوتکنیکی حفر و لایه‌های ماسه‌ای با ستبرا‌های متفاوت در بخش مرکزی و خاوری آن دیده شده است. در این تحلیل‌ها از شتاب‌نگاشت‌های مصنوعی شبیه‌سازی‌ شده بر پایه نتایج تحلیل خطر لرزه‌ای به عنوان حرکت ورودی برای تحلیل استفاده شده است. سپس با مقایسه شتاب‌های طیفی در دوره‌های مختلف سطح زمین با مقادیر متناظر روی سنگ‌بستر لرزه‌ای طیف بزرگنمایی شتاب طیفی در دوره‌های مختلف ارائه و به­دنبال آن با استفاده از شبکه عصبی و الگوریتم ژنتیک مدل‌سازی این ضرایب انجام شد. نتایج به دست­ آمده نشان‎دهنده افزایش قابل‌ توجه ضریب بزرگنمایی در برخی از دوره‌ها با افزایش ستبرای لایه‌های ماسه‌ای است. با استفاده از نتایج مدل‌سازی ارائه ‌شده می‌توان ضرایب بزرگنمایی خاک‌های ماسه‌ای شهر ارومیه را با ستبرا‌های متفاوت به ازای دوره‌های متغیر تا 4 ثانیه برآورد کرد. در این مطالعه نتایج به ‌دست ‌آمده از شبکه عصبی مصنوعی با استفاده از معیارهای ضریب همبستگی و جذر میانگین مربعات خطا جواب‌های دقیق‌تری نسبت به برنامه‌ریزی بیان ژن ارائه کرده است. همچنین در این مطالعه با استفاده از الگوریتم تکاملی برنامه‌ریزی بیان ژن رابطه ریاضی به ازای ستبرای لایه ماسه‌ای و دوره‌های متفاوت بیان می‌شود.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Modeling the amplification ratio of sandy soils using two methods of neural network and gene
چکیده انگلیسی مقاله When seismic waves pass through alluvial layers, the seismic wave amplitude increases significantly in some periods, which is known as site amplification. In this case, it can be analyzed with an analytical model of the surface response spectrum Estimates of the input response spectrum. This behavior is essential in assessing the seismic performance of the structures and vital arteries. In this paper, we investigate this effect on different layers of sand with different thicknesses for Urmia city, a metropolitan area in the North West of Iran and an earthquake prone region. 120 geotechnical boreholes were drilled in sandy layers of different thicknesses in the central and northern parts of the city. The analysis simulated artificial acceleration based on seismic hazard analysis results. By observing the spectral accelerations for different periods at the earth's surface the spectral acceleration magnitudes of the seams were shown for different periods. Using a neural network and genetic algorithm, these coefficients were modelled.  Using the evolutionary algorithm of gene expression programming, the mathematical relation was expressed in terms of sand layer thickness and different periods. However, the results obtained from the artificial neural network using the correlation coefficient and root mean square yielded more accurate results than the gene expression programming. In conclusion, the results show that by increasing the thickness of the sand layers, the amplification ratio also increases considerably for some periods. Using the modeling results, we can estimate the amplification of the sandy soils of  Urmia city with different thicknesses for variables up to 4 seconds.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله نجمه علیدادی |
دانشجوی کارشناسی ارشد، دانشکده مهندسی عمران- آب و محیط‌زیست، دانشگاه شهید بهشتی، تهران، ایران

عباس مهدویان |
دانشیار، دانشکده مهندسی عمران- آب و محیط‌زیست، دانشگاه شهید بهشتی، تهران، ایران

نشانی اینترنتی http://www.gsjournal.ir/article_63795_5e9b7ef58143eb4d561d66dc96ba3132.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/960/article-960-660179.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات