طراحی ماشین تحلیلی برای بهسازی و مقاومسازی سازهها در برابر زلزله
تاریخ انتشار: ۱۹ آبان ۱۴۰۰ | کد خبر: ۳۳۶۴۲۵۷۸
محققان پژوهشگاه بینالمللی 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 به گفته آنها این ماشین در تعیین آسیب پذیری ساختمانهای بتنی برای بهسازی و مقاوم سازی لرزهای ساختمانها کاربرد دارد.
دکتر ناطقی الهی، استاد پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله در گفتوگو با ایسنا، گفت: همه ساله در ایران و جهان شاهد زلزلههای متعددی هستیم، به گونهای که با مروری بر آمار مرگ و میر مردم در زلزلههای اخیر میتوان به اهمیت بحث زلزله در سازه، پی برد.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
وی ادامه داد: در زلزله بم در سال ۱۳۸۲ نیز حداقل ۳۰هزار نفر جان خود را از دست دادند. همچنین زلزله اخیر سر پل ذهاب در سال ۱۳۹۶، تعداد ۶۲۰ کشته، ۹هزار زخمی و ۷۰هزار بیخانمان بر جا گذاشت (هرچند در این آمارها اختلاف نظرهایی وجود دارد!) بنابراین بررسی آسیب پذیری لرزهای ساختمانها یکی از امور مهمی است که لازم است مورد توجه بیشتری قرار گیرد.
ناطقی الهی با بیان اینکه بیش از صد سال است که از علم مهندسی زلزله در دنیا میگذرد و چند عامل بسیار مخرب در زلزله شناخته شده است، ادامه داد: از جمله این عوامل میتوان به ستون کوتاه، طبقه نرم، طبقه ضعیف، تیر قوی - ستون ضعیف، قدمت ساختمان و زوال و اضمحلال مصالح آن اشاره کرد. مطالعات متعددی بر روی این عوامل صورت پذیرفته است، اما تاکنون با گذشت این همه سال از مطرح شدن این عوامل، متاسفانه هیچ گونه 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 بینالمللی زلزلهشناسی و مهندسی زلزله با بیان اینکه اهمیت پدیده ستون کوتاه را میتوان در زلزله سرپل ذهاب مشاهده کرد، یادآور شد: در ۱۰۰ درصد ساختمانهای بتنی مسکن مهر "شهید شیرودی" سرپل ذهاب شاهد حداقل یک مورد خرابی ستون کوتاه بودهایم که بیانگر متداول بودن این پدیده است، در نتیجه لازم است با تشخیص این ستونها در ساختمان و بهسازی موضعی آنها با روشهای آسان و ارزان از تلفات جانی و مالی متعددی جلوگیری کرد. در تصاویر زیر خرابی ناشی از ایجاد ستون کوتاه در زلزلهی سرپل ذهاب نشان داده شده است.
وی از اجرای پروژهای در این زمینه با همکاری مهندس زهرا نوری با عنوان "ارائه راهکاری جهت تشخیص سریع پدیده ستون کوتاه" خبر داد و یادآور شد: پس از بررسیهای گسترده بر عوامل موثر بر شکلگیری این پدیده، برای اولین بار در دنیا یک ماشین تحلیلی به منظور پیشبینی تشکیل پدیده ستون کوتاه ارائه کردیم.
ناطقی الهی اضافه کرد: در این طرح ابتدا با مدلسازی دقیق رفتار برشی ستون در نرم افزار OpenSEES و بررسی پارامترهای متعدد و استفاده از روشهای مختلف یادگیری ماشین به عنوان به روزترین روش دسته بندی و تصمیم گیری، مدلی ارائه کردیم که میتواند تنها با بررسیهای اولیه، ستونهای 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 اضافه کرد: 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 گونهای درنظر گرفته شده بود که در اکثر ساختمانها دیده میشود. تولید قابها با استفاده از الگوریتم "مونت کارلو" انجام پذیرفته است.
وی با بیان اینکه در گام بعدی این پژوهش، مهمترین پارامترها در ایجاد ستون کوتاه به کمک الگوریتمهای یادگیری ماشین استخراج شدند، گفت: این نتایج مهندسین را از درگیر شدن با پارامترهای کم اهمیت دور میکند. الگوریتمهای مورد استفاده در این قسمت شامل تحلیل مولفه اساسی (PCA)، درخت تصمیم (Decision Tree)، آزمون F (F- Test) و اطلاعات مشترک (Mutual Information) میشود. همچنین از روشهای همبستگی پیرسون، کندال و اسپیرمن به این منظور استفاد شده است. از میان روشهای مذکور، روش آزمون F بهتر از سایر روشها توانسته است مهمترین پارامترها را تشخیص دهد. در نمودار زیر ترتیب اهمیت پارامترها نشان داده شده است.
مطابق نمودار مشاهده میشود که مقدار آرماتور عرضی ستون بیشترین اهمیت را از میان سایر پارامترها دارد (که حاکی از لزوم توجه بیشتر به مقدار و نحوه اجرای خاموتهاست)، این پارامتر به تنهایی حدود ۶۵ درصد در ایجاد ستون کوتاه ایفای نقش میکند.
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 مدلها توسط نرم افزار OpenSEES به صورت دقیق مورد ارزیابی واقع شده و نوع شکست آنها (خمشی یا برشی) مشخص شده است. پس از آن ۷۰ درصد نمونهها جهت آموزش مدل و ۳۰ درصد مابقی جهت آزمودن مدل به صورت رندوم انتخاب شدند. سپس توسط الگوریتمهای 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 دادهها پرداخته شد. از میان الگوریتمهای فوق الگوریتم KNN و Desicion Tree با دقت ۹۳ درصد بیشترین دقت را دارند.
این پژوهشگران در این مطالعات ماشینهایی را آموزش دادند که میتوانند با دریافت ورودیها (پارامترهای موثر) تشکیل یا عدم تشکیل ستون کوتاه را تشخیص دهند، این در حالی است که تا کنون در هیچ آیین نامهای در سطح دنیا معیاری دقیق جهت تشخیص ستون کوتاه ارائه نشده است.
این محققان 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 ستونهای کوتاه با دقت بالای ۸۰ درصد است.
به گفته آنها، تکنیکهای یادگیری ماشین ارائه شده میتواند ستونهای کوتاه را با دقت و سرعت بسیار بالا شناسایی کند و مهندسین را از مدلسازیهای پیچیده و تحلیلهای زمانبر برهاند.
به گفته ناطقی الهی یکی از مهمترین موارد کاربرد تکنیک پیشنهادی استفاده از آن جهت رتبه بندی و اولویت بندی آسیب پذیری ساختمانهای بتنی برای اقدامات بهسازی و مقاوم سازی لرزهای ساختمانها است. این ابزار سریع و قدرتمند میتواند توسط جامعه مهندسی و همچنین تصمیم گیرندگان مدیریت کلان در حوزه ساختمان به کار گرفته شود.
انتهای پیام
منبع: ایسنا
کلیدواژه: ماشین تحلیل مقاوم سازي زلزله پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله یادگیری ماشین ناطقی الهی ستون کوتاه ساختمان ها روش ها
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.isna.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «ایسنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۳۶۴۲۵۷۸ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
سانفرانسیسکو؛ پیشرو در بازیافت آب
سانفرانسیسکو با بهرهگیری از سیستمهای «استفاده مجدد از آب خاکستری در محل» در ساختمانهای بیشتر، شهرت خود را بهعنوان شهر پیشرو در فناوریهای استفاده مجدد از آب حفظ کرده است.
به گزارش سرویس ترجمه خبرگزاری ایمنا، سانفرانسیسکو متعهد به اجرای فناوریهای استفاده مجدد از آب در محل برای کمک به حفظ آب و تقویت شهر در برابر خشکسالی مداوم است. سیستمهای تصفیه و استفاده مجدد آب در محل، فاضلاب ساختمانها را به آب تصفیهشده برای کاربردهای غیر آشامیدنی، اصلاحهای خاک ارگانیک و انرژی گرمایی فاضلاب بازیافتی تبدیل میکند.
سانفرانسیسکو، پیشرو در بازیافت آبسانفرانسیسکو اکنون برای نصب و راهاندازی سیستمهای استفاده مجدد از آب در محل، پیشرفتهای جدیدی به مساحت ۱۰۰ هزار فوت مربع یا بیشتر نیاز دارد که به کاهش هزینههای عملیاتی ساختمانها کمک میکند و در برابر افزایش نرخهای آب و برق و کمبود آب مقاوم است. استفاده مجدد از آب در محل تنها یک ابتکار پایدار نیست، بلکه یک بخش حیاتی از توسعه شهری مسئولانه بهویژه در شهری با فشار آب پایین مانند سانفرانسیسکو است. این سیستم نهتنها فشار بر منابع آب شهری را کاهش میدهد، بلکه فرهنگ مراقبت از محیط زیست را در جوامع خود تقویت میکند.
ساختمانهای استفاده کننده از این سیستمها مجموعه متنوع بازیافت آب شهر را گسترش میدهند و در عین حال نمونهای برای توسعه پایدار املاک و مستغلات سانفرانسیسکو هستند.
این شهر در نوامبر ۲۰۲۲ از اولین سیستم استفاده مجدد از آب مورد تأیید و عملیاتی شهر در یک ساختمان آپارتمانی ۴۰ طبقه در مرکز شهر رونمایی کرد و امروز با افزودن دو سیستم جدید در این زمینه، موقعیت خود را بهعنوان پیشرو در فناوریهای استفاده مجدد از آب تثبیت کرده است. یکی از این سیستمها سالانه ۲.۹ میلیون گالن آب و سیستم دیگر تا یک میلیون گالن آب را بازیافت خواهد کرد که با استفاده شدن در محل شستوشوی سرویسهای بهداشتی، برجهای خنککننده و آبیاری، تا میزان قابلتوجهی به کاهش مصرف آب در ساختمانهای میزبان خود منجر میشود.
افزایش و به حداکثر رساندن استفاده از آب بازیافتی در ساختمانها و تأسیسات نشاندهنده رهبری و نظارت جهانی سانفرانسیسکو در استفاده بهینه از آب است. این شهر حرکتی را به سمت استفاده کارآمدتر و آگاهانه از آب در قلب محیط ساختهشده خود تسریع و با استفاده از نوآوری و فناوری، مالکان و اپراتورهای ساختمان را قادر میکند تا نقشی فعال در شکلدهی منظر شهری پایدارتر و مقاومتر در برابر آب ایفا کنند.
کد خبر 748722