روابط تضعیف سوابق (رکوردهای) زلزله‌های حرکتی قوی با روش مبتنی بر منطق فازی

قیمت: 43,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

روابط تضعیف سوابق (رکوردهای) زلزله‌های حرکتی قوی با روش مبتنی بر منطق فازی

عنوان لاتین

Fuzzy logic-based attenuation relationships of strong motion earthquake records

تکنیک‌های منطق فازی در چهار دهه گدشته به صورت گسترده‌ای در برنامه‌های کاربردی مختلف مهندسی عمران و زلزله استفاده شده است. اما انجام این مطالعات تحقیقاتی منجر به استفاده از آنها برای استنتاج روابط تضعیف برای اوج شتاب زمین (PGA) نشده است. این مقاله به منظور پر کردن این شکاف (نقطه ضعف) از یک روش فازی با مجموعه‌های فازی برای اندازه گیری بزرگی زمین لرزه و فاصله از منبع استفاده کرده است و هدف از آن ارائه مدل‌های (جدید) تضعیف حرکت زمین است. در این تحقیق از سوابق زلزله‌های اخیر در آمریکا و تایوان که بزرگی آنها 5 و بیشتر بوده است استفاده شده و همچنین شامل مولفه افقی اوج شتاب زمین ثبت شده در سه وضعیت مکانی یعنی سنگی، خاکی و خاک نرم می‌باشد. استفاده از مدل‌های فازی برای مقدار سنجی سوابق (رکورها) حرکت زمین (که معمولا با سطح بالایی از عدم قطعیت همراه است) منجر به ایجاد یک ابزار تحقیقاتی منطقی قادر به پیش بینی نتایج دقیق می‌شود. آزمایش مدل فازی با یک مجموعه داده‌ی مستقل دقت این مدل در پیش بینی مقادیر PGA را مورد تایید قرار داده است.

Fuzzy logic techniques have been widely used in civil and earthquake engineering applications in the past four decades. However, no thorough research studies were conducted to use them for deriving attenuation relationships for peak ground accelerations (PGA). This paper is an attempt to fill this gap by employing a fuzzy approach with fuzzy sets for earthquake magnitude and distance from source with the objective of proposing new ground motion attenuation models. Recent earthquake records from USA and Taiwan with magnitudes 5 or greater were used; and consisted of horizontal peak ground acceleration recorded on three different site conditions: rock, soil and soft soil. The use of Fuzzy models to quantify ground motion records, which are typically characterized by a high level of uncertainty, leads to a rational analytical tool capable of predicting accurate results. Testing of the fuzzy model with an independent data set confirmed its accuracy in predicting PGA values.