در گفت وگو با زمین دار شو اعلام شد
طراحی ماشین تحلیلی برای به سازی و مقاوم سازی سازه ها در مقابل زلزله
زمین دار شو: پژوهشگران پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله در مطالعات اخیر خود موفق به طراحی و ساخت ماشینی برای تحلیل و تشخیص ستون کوتاه در زلزله شدند که بگفته آنها این ماشین در تعیین لطمه پذیری ساختمان های بتنی برای به سازی و مقاوم سازی لرزه ای ساختمان ها به کار می آید.
دکتر ناطقی الهی، استاد پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله در گفت و گو با ایسنا، اظهار داشت: همه ساله در ایران و جهان شاهد زلزله های مختلفی هستیم، به شکلی که با مروری بر آمار مرگ و میر مردم در زلزله های اخیر می توان به اهمیت بحث زلزله در سازه، پی برد. بعنوان مثال در زلزله "منجیل" در سال ۱۳۶۹ حدود ۳۷ هزار نفر جان خودرا از دست دادند و علاوه بر آن ۲۰۰ هزار واحد مسکونی تخریب شده و ۵۰۰ هزار نفر نیز بی خانمان شدند.
وی افزود: در زلزله بم در سال ۱۳۸۲ نیز حداقل ۳۰هزار نفر جان خودرا از دست دادند. همین طور زلزله اخیر سر پل ذهاب در سال ۱۳۹۶، تعداد ۶۲۰ کشته، ۹هزار زخمی و ۷۰هزار بی خانمان بر جا گذاشت (هرچند در این آمارها اختلاف نظرهایی وجود دارد!) بدین سبب بررسی لطمه پذیری لرزه ای ساختمان ها یکی از امور مهمی است که لازم است مورد توجه بیشتری قرار گیرد.
ناطقی الهی با اعلان اینکه بیش از صد سال است که از علم مهندسی زلزله در دنیا می گذرد و چند عامل بسیار مخرب در زلزله شناخته شده است، افزود: همچون این عوامل می توان به ستون کوتاه، طبقه نرم، طبقه ضعیف، تیر قوی - ستون ضعیف، قدمت ساختمان و زوال و اضمحلال مصالح آن اشاره نمود. مطالعات مختلفی بر روی این عوامل صورت گرفته است، اما تا حالا با گذشت این همه سال از مطرح شدن این عوامل، متاسفانه هیچ نوع تمهید مشخصی برای تشخیص رخداد پدیده ستون کوتاه ارائه نشده است و در ادبیات فنی تنها به این جمله اکتفا می شود که "لازم است از رخداد شکست ترد جلوگیری به عمل آید" و در مورد چگونگی آن در هیچ کجای دنیا صحبتی نشده است.
این استاد پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله با اعلان اینکه اهمیت پدیده ستون کوتاه را می توان در زلزله سرپل ذهاب مشاهده کرد، تصریح کرد: در ۱۰۰ درصد ساختمان های بتنی مسکن مهر "شهید شیرودی" سرپل ذهاب شاهد حداقل یک مورد خرابی ستون کوتاه بوده ایم که بیان کننده متداول بودن این پدیده است، در نتیجه لازم است با تشخیص این ستون ها در ساختمان و به سازی موضعی آنها با روش های آسان و ارزان از تلفات جانی و مالی مختلفی جلوگیری کرد. در تصاویر زیر خرابی ناشی از ایجاد ستون کوتاه در زلزله ی سرپل ذهاب نشان داده شده است.
وی از اجرای پروژه ای دراین زمینه با همکاری مهندس زهرا نوری با عنوان "ارائه راهکاری جهت تشخیص فوری پدیده ستون کوتاه" آگاهی داد و تصریح کرد: بعد از بررسی های گسترده بر عوامل موثر بر شکل گیری این پدیده، برای نخستین بار در دنیا یک ماشین تحلیلی بمنظور پیش بینی تشکیل پدیده ستون کوتاه ارائه کردیم.
ناطقی الهی افزود: در این طرح ابتدا با مدل سازی دقیق رفتار برشی ستون در نرم افزار OpenSEES و بررسی پارامترهای گوناگون و استفاده از روش های مختلف یادگیری ماشین بعنوان به روزترین روش دسته بندی و تصمیم گیری، مدلی ارائه کردیم که می تواند تنها با بررسی های اولیه، ستون های کوتاه را با دقت بالای ۹۰ درصد شناسایی کند. مدل شماتیک مورد مطالعه قاب یک دهانه یک طبقه همراه با میانقاب بنایی و بازشو در شکل زیر نشان داده شده است:
این عضو هیات علمی پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله افزود: در این طرح پژوهشی ۲۰۰هزار قاب بتن آرمه با دیوار پرکننده بنایی همراه با بازشو و با درنظر گرفتن ۱۰ پارامتر اندازه مقطع ستون (h)، مقدار آرماتورهای طولی (ρl ) و عرضی (ρs) ستون، طول مؤثر ستون(Lc)، مقاومت فشاری بتن (f’c)، مقاومت تسلیم آرماتور(f y)، طول تیر (Lb)، نسبت نیروی محوری (P )، ارتفاع دیوار پرکننده به ارتفاع ستون(Hw ) و ضخامت دیوار(tw ) را بررسی کردیم. توزیع پارامترها به گونه ای درنظر گرفته شده بود که در بیشتر ساختمان ها دیده می شود. تولید قاب ها با بهره گیری از الگوریتم "مونت کارلو" انجام پذیرفته است.
وی با اعلان اینکه در گام بعدی این پژوهش، مهمترین پارامترها در ایجاد ستون کوتاه به کمک الگوریتم های یادگیری ماشین استخراج شدند، اظهار داشت: این نتایج مهندسین را از درگیر شدن با پارامترهای کم اهمیت دور می کند. الگوریتم های مورد استفاده در این قسمت شامل تحلیل مولفه اساسی (PCA)، درخت تصمیم (Decision Tree)، آزمون F (F- Test) و اطلاعات مشترک (Mutual Information) می شود. همین طور از روش های همبستگی پیرسون، کندال و اسپیرمن به این منظور استفاد شده است. از میان روش های مذکور، روش آزمون F بهتر از سایر روش ها توانسته است با اهمیت ترین پارامترها را تشخیص دهد. در نمودار زیر ترتیب اهمیت پارامترها نشان داده شده است.
مطابق نمودار مشاهده می شود که مقدار آرماتور عرضی ستون بیشترین اهمیت را از میان سایر پارامترها دارد (که حاکی از لزوم توجه بیشتر به مقدار و روش اجرای خاموت هاست)، این پارامتر به تنهایی حدود ۶۵ درصد در ایجاد ستون کوتاه ایفای نقش می کند.
دکتر ناطقی الهی و مهندس زهرا نوری جهت ایجاد مدل یادگیری ماشین خود یک پایگاه داده شامل تعداد ۲۰۰ هزار نمونه قاب بتن آرمه ایجاد کردند. کلیه این مدل ها توسط نرم افزار OpenSEES بصورت دقیق مورد ارزیابی واقع شده و نوع شکست آنها (خمشی یا برشی) مشخص شده است. بعد از آن ۷۰ درصد نمونه ها جهت آموزش مدل و ۳۰ درصد مابقی جهت آزمودن مدل بصورت رندوم انتخاب شدند. سپس توسط الگوریتم های رگرسیون لجستیک (Logistic Regression)، درخت تصمیم (Desicion Trees)، بیز ساده (Naive Bayes)، ماشین بردار پشتیبان (Support Vector Machines) وK نزدیکترین همسایگی (K-Nearest Neighbors) به بررسی داده ها پرداخته شد. از میان الگوریتم های فوق الگوریتم KNN و Desicion Tree با دقت ۹۳ درصد بیشترین دقت را دارند.
این پژوهشگران در این مطالعات ماشین هایی را آموزش دادند که می توانند با دریافت ورودی ها (پارامترهای موثر) تشکیل یا عدم تشکیل ستون کوتاه را تشخیص دهند، این در شرایطی است که تا کنون در هیچ بخشنامه ای در سطح دنیا معیاری دقیق جهت تشخیص ستون کوتاه ارائه نشده است.
این پژوهشگران در ادامه این ماشین را تنها با در نظر گرفتن دو پارامتر اصلی آموزش دادند که به نتایج بسیار مناسبی دست پیدا کردند، به صورتی که ماشین تحلیلی پیشنهادی در این حالت قادر به تشخیص ستون های کوتاه با دقت بالای ۸۰ درصد است.
بگفته آنها، تکنیک های یادگیری ماشین ارائه شده می تواند ستون های کوتاه را با دقت و سرعت بسیار بالا شناسایی کند و مهندسین را از مدل سازی های پیچیده و تحلیل های زمان بر برهاند.
بگفته ناطقی الهی یکی از با اهمیت ترین موارد کاربرد تکنیک پیشنهادی استفاده از آن جهت رتبه بندی و اولویت بندی لطمه پذیری ساختمان های بتنی برای اقدامات به سازی و مقاوم سازی لرزه ای ساختمان ها است. این ابزار سریع و قدرتمند می تواند توسط جامعه مهندسی و همین طور تصمیم گیرندگان مدیریت کلان در زمینه ساختمان به کار گرفته شود.
منبع: zamindarsho.ir
این مطلب را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب