دانلود پایان نامه

در سالهای اخیر دسترسی به داده های آنلاین رکورد حرکت های قوی و زمین لرزه های واقعی افزایش یافته است. گرچه با توجه به شرایط محل رکورد، بزرگی زلزله منبع، نوع شکست، نوع خاک محل، و به طور کلی مدت تپش، فاصله بین منبع زلزله و محل رکورد حرکات زمین، مشخصات طیف ها می تواند بسیار متفاوت باشد. برای این منظور مشخصات خطر لرزه ای محلی که سازه تحلیل شده در آن واقع خواهد شد، باید برای بدست آوردن یا توسعه دادن حرکات زمینی که مطابق با یک موقعیت خطر خاص برای ناحیه ای که توسط آیین نامه اجرای طرح تعریف شده در نظر گرفته شود. در آیین نامه های طراحی جدید، مشخصات خطر منطقه ای توسط طیف طرح توصیف شده و عموما به عنوان طیف خطر یکنواخت، برای بدست آوردن یک محدوده دلخواه از پریود سازه شناخته شده است. همانطور که هیچ رکورد زمین لرزه دارای طیف پاسخی که با طیف طرح آیین نامه مطابقت داده شود وجود ندارد، یک راه برای بدست آوردن رکوردهای سازگار براساس طیف شتابی که می تواند در فرآیند طراحی استفاده شود پیدا شده است[24].
برای اینکه بتوان در عین رعایت استاندارد آیین نامه از تحلیل تاریخچه زمانی با اعتبار بیشتری بهره برد، مقیاس کردن شتابنگاشت ها برای تطابق با قید طیف طرح آیین نامه ای مطرح است[10]. آیین نامه ها و دستورالعمل ها روشهای متفاوتی را جهت مقیاس سازی ارائه نموده اند. البته اکثر روشهای مقیاس سازی برای روشهای تحلیل دینامیکی خطی ارائه شده اند[14].
هدف اصلی در این مقاله بدست آوردن ترکیب مناسبی از یک مجموعه با هفت شتابنگاشت حرکت های زمین که سازگار با طیف طرح آیین نامه 2800 ایران باشد، است. بنابراین، الگوریتم ژنتیک براساس منطقه لرزه ای و نوع خاک نتایجی برای انتخاب و مقیاس کردن زمین لرزه های واقعی به منظور بدست آوردن مجموعه ای از ورودی ها سازگار با طیف طرح آیین نامه پیشنهاد می کند. برنامه ارائه شده در این پژوهش قادر می باشد تا از میان یک پایگاه داده بزرگ از شتابنگاشت ها که در این مثال شامل 374 شتابنگاشت زلزله که از از سایت پییر با سرعت موج برشی 360 تا 750 که با خاک نوع دو با خطر لرزه خیزی بسیار زیاد 0.35g از استاندارد 2800 مطابق می باشد، یک مجموعه با 14 متغیر که 7 تای آن زلزله ها و 7 تای دیگر ضرایب مقیاس هر یک از آن ها است را با هدف کم کردن خطای طیف پاسخ بدست آمده از این مجموعه با طیف هدف آیین نامه توسط رابطه جذر مجموع مربعات انتخاب نماید.
در طول دهه گذشته، تحلیل های دینامیکی الاستیک و غیر الاستیک در حوزه زمانی برای سازه های پیچیده با هزاران درجه آزادی، به لطف سرعت در حال افزایش، قدرت محاسباتی و تکامل مهندسی نرم افزار امکان پذیر شده است. بنابراین، تجزیه و تحلیل در حوزه زمان در اکثریت قریب به اتفاق آیین نامه های لرزه ای مدرن توصیه می شوند[24].
2-13 استفاده از الگوریتم ژنتیک برای مقیاس کردن رکوردها
انتخاب و مقیاس کردن رکورد های زمین لرزه ها که با طیف طرح مطابقت داده شوند می تواند با مسائل بهینه سازی مهندسی مانند میانگین مجذور مربعات فاصله بین طیف پاسخ آیین نامه و طیف پاسخ میانگین انتخاب و مقیاس شده در محدوده پریود دلخواه فرموله شود.
روش های فعلی آیین نامه ها که به ضرایب مقیاس یکسانی برای یک مجموعه شتابنگاشت منجر می گردد، لزوما به نزدیکترین تطبیق طیف متوسط حاصل از شتابنگاشت های انتخابی با طیف طرح استاندارد منجر نخواهد شد بلکه دستیابی به چنین هدفی باید در قالب بهینه یابی ضرایب ترکیب جستجو گردد[10].
الگوریتم های متعددی، که می تواند برای حل مسائل بهینه سازی مهندسی به صورت قطعی یا تصادفی دسته بندی شوند توسعه یافته اند. الگوریتم های قطعی براساس گرادیان روش های جستجوی محلی هستند که نیازمند اطلاعات قابل توجه گرادیان برای پیدا کردن راه حل هستند. پیدا کردن بهینه کلی با استفاده از الگوریتم های بر اساس گرادیان کار آسانی نیست مگر اینکه فضای نتایج مشخص باشد. به همین دلیل این واقعیت است که، علاقه به استفاده از الگوریتم های بهینه سازی تصادفی برای حل مسائل بهینه سازی مهندسی افزایش یافته است. در بین الگوریتم های بهینه سازی تصادفی استفاده شده، الگوریتم ژنتیک و… می تواند به کاربرده شود.
هدف این تحقیق استفاده از الگوریتم ژنتیک برای حل مسئله است. خطای بدست آمده از تابع هدف با میانگین مربعات خطای بین جذر مجموع مربعات از میانگین طیف مقیاس شده و طیف هدف می باشد، به این منظور که نتایج طیف میانگین مقیاس شده در بالای طیف هدف در محدوده T0 تا Tn قرار گیرد. فرآیند جستجو بهترین هفت زوج زمین لرزه و ضرایب مقیاس سازگار با آن را بدست می آورد. همچنین محدودیتی در انتخاب تعداد رکوردها و ضرایب مقیاس گذاری که الگوریتم ممکن است انتخاب کند وجود ندارد.
2-14 المان های اساسی الگوریتم ژنتیک اعمال شده در این مسائل
جمعیت: یک مجموعه از متغیرهای فرض شده راه حل می باشد. در بیشتر برنامه ها هزاران “فرد” در جمعیت وجود دارد. این افراد به صورت رشته های دودویی هستند که بعد از رمزگشایی به اعداد حقیقی وصحیح ارزیابی می شوند که متغیر های مسئله برای “انتخاب طبیعی والدین” نشان داده می شوند. جمعیت اولیه معمولا به صورت تصادفی فراهم می شود. نسل های فرزندان، با اعمال عملگرهای الگوریتم ژنتیک(تقاطع و جهش) به والدین در جمعیت، تکثیر می شوند. در این پژوهش تعداد جمعیت افراد به ترتیب 50، 100و 300 در برنامه های مجزا انتخاب شده و در نهایت مقدار جمعیت مورد مناسب برای این مسئله معرفی شده است.
تابع برازش: این یک بیان ریاضی برای ارزیابی برازش افراد در نسل ها است. قاعده اصلی در تعریف یک تابع برازش این است که برای افرادی که نزدیک بهینه هستند باید مقادیر بزرگتر از تسلیم باشد. درنتیجه، افرادی که مناسب ترند می توانند یک شانس بالاتر برای برگزیده بودن به عنوان یک والد در نسل بعدی دریافت کنند. تابع برازش مسئله مطرح شده در این پژوهش در قسمت فرمول بندی مسئله همین فصل آمده است.
تقاطع: این فرآیند توسط آمیزش دو فرد برای تولید مثل و زاد و ولد افراد صورت می گیرد. این عمل به وسیله تغییر دادن و شریک کردن بخش هایی از مشخصات والدین صورت می گیرد. چندین الگو از تقاطع معرفی شده مانند: تقاطع تک نقطه ای، چند نقطه ای، و تقاطع یکنواخت و… در این مطالعه از تقاطع یکنواخت برای بخش دودویی الگوریتم ژنتیک و از تقاطع مخلوط برای بخش حقیقی الگوریتم ژنتیک استفاده شده است. همتن طور نرخ تقاطع برای سه مقدار 0.6، 0.65 و 0.9 بررسی شده است.
جهش: یک مکانیزم ضروری برای تضمین تنوع در جمعیت می باشد. وقتی که یک فرد به صورت تصادفی انتخاب می شود دستخوش جهش می شود(توسط قادر ساختن احتمال جهش)، الگوریتم به صورت تصادفی بیت در طول محدوده 0 و 1 انتخاب می کند یا در جهت مخالف یک الگو ثابت از راه حل ها برای تولید مثل در بین همه نسل های آینده تکثیر می کند. ضروری است که یک جستجوی وسیع از همه فضای جستجو انجام شود. احتمال جهش خیلی بزرگ، اگرچه، می تواند فرآیند را به سازگار شدن و همگرا یی زود رس به بهین ببرد. در این مسئله نرخ جهش برای سه مقدار 0.001، 0.01 و 0.025 بررسی شده است.
انتخاب والد طبیعی: این یک روش احتمالی برای انتخاب بر اساس برازش افراد است. برای تضمین کردن بقای بهترین ها، افرادی که مقدار تابع برازش بالاتری دارند شانس انتخاب شدن به عنوان والد برای زاد و ولد در نسل بعد در آنها بیشتر است. در این مطالعه نوع انتخاب، مسابقه ای می باشد.
2-15 انتخاب شتابنگاشت ها برای طرح لرزه ای
همانطور که از قبل توضیح داده شد، چرخه طراحی سازه نیازمند بارهای زلزله برای مقایسه با یک طیف پاسخ صاف به عنوان ورودی در تحلیل های دینامیکی می باشد. حرکت های ورودی باید طوری انتخاب شوند که نماینده لرزه خیزی منطقه باشند. به عبارت دیگر رکوردهای واقعی باید جزئیات چگونگی انجام زلزله را به منظور استفاده در چارچوب تحلیل های دینامیکی گذرا پیش بینی کنند[27].
در این پژوهش مجوعه رکوردهای374 زوج شتابنگاشت های اصلاح شده مربوز به مولفه افقی 24 زلزله واقعی با 5درصد میرایی از سایت پییر( دانشگاه برکلی) استخراج شده است، سرعت متوسط موج برشی در محل ثبت این شتابنگاشت ها 360 تا 750 که طبق استاندارد 2800 در رده خاک نوع 2 با پهنه خطر نسبی لرزه خیزی خیلی زیاد 0.35g قرار می گیرد. الگوریتم ژنتیک رکوردها را از این مجموعه انتخاب نموده و طیف پاسخ ترکیبی این زوج شتابنگاشت ها در محدوده زمان تناوب 0.25 تا 1.86 ثانیه با فاصله تناوبی dT=0.1 مقایسه می شوند. انتخاب و مقیاس نمودن زلزله ها مطابق با طیف طرح داده شده در آیین نامه 2800 به عنوان یک مسئله بهینه سازی مطرح شده است.
2-16 چگونگی جمع آوری و شیوه های تجزیه و تحلیل داده ها
عملگرهای الگوریتم ژنتیک که در اینجا انتخاب شده اند به شرح ذیل می باشند:
متغیرهای مسئله (افراد جمعیت) در این پژوهش به صورت یک ترکیب اختیاری از 7 رکورد و 7 ضریب مقیاس جداگانه به عنوان یک فرد یا کروموزوم در نظر گرفته شده اند. بنابراین، هر فرد دارای 14 زیر مجموعه برای ارائه هر متغیر است (در مجموع تعداد 14متغیر، 7تا برای شناسایی رکورد در مجوعه و 7تا برای شناسایی ضرایب مقیاس سازگار با آن). بنابراین، برای هر زیر بخش یک رشته دودویی به طول 10 اختصاص داده شده که طول کل هر فرد برابر 140 کد دودویی می شود. البته طول این رشته ها می تواند تغییر کند ممکن است در مجموعه های بزرگتر از رشته های دودویی بزرگتری استفاده شود. هفت رشته دودویی اول موقعیت 7 رکورد در پایگاه داده را فراهم می کنند. هفت رشته باقی مانده ارتباط ضرایب مقیاس را نشان می دهند. از آنجاکه تعداد رکوردها اعداد صحیح و ضرایب مقیاس اعداد حقیقی هستند، روش بهینه سازی مورد نیاز یک ترکیب از فرآیند اعداد حقیقی وصحیح است.
در این تحقیق برنامه الگوریتم ژنتیک دودویی و حقیقی هر یک به صورت جداگانه تابع هدف مسئله را با قید پیشنهادی بررسی می کند که الگوریتم ژنتیک دودویی این برنامه با همبری یکنواخت و انتخاب مسابقه ای و الگوریتم ژنتیک حقیقی با همبری جایگشتی و میانگین وزنی و انتخاب مسابقه ای به تحلیل داده ها می پردازند. داده های ورودی شامل طیف طرح شتاب هدف ، محدوده پریود سازه برای مطابقت دادن، حد بالا و پایین مقادیر قابل قبول برای ضرایب مقیاس، و یک مجموعه از پارامترهای الگوریتم ژنتیک می باشد. پارامترهای الگوریتم ژنتیک شامل اندازه جمعیت، تعدادنسل ها، درصد تقاطع، و درصد جهش می باشد.