یک روش معکوس برای تعیین خواص دینامیکی قابهای برشی دوبعدی و سه‌بعدی
کاظم چوپانی، ناصر خاجی
عکس‌العمل سازه‌ها درمقابل بارگذاری دینامیکی به خواص دینامیکی آنها بستگی دارد. در این تحقیق، برای برآورد خواص مزبور (که در عمل امکان اندازه‌گیری مستقیم آنها وجود ندارد) از روشی معکوس استفاده شده‌است. این روش که خواص دینامیکی را از طریق کمیتهای دیگر (که در عمل قابل اندازه‌گیری هستند) محاسبه می‌کند، برمبنای معکوس‌کردن مدل ریاضیِ بیانگرِ رفتارِ فیزیکی سیستم استوار است. همانند سایر مسائل معکوس رایج، تکین شدن ماتریس مشخصه مشکل اساسی است. روش تفکیک مقادیر تکین برای تشخیص بدخیمی مدل ریاضی معکوس به‌کار می‌رود. برای بیان توانمندیهای این متدولوژی، قابهای برشی دو و سه‌بعدی مورد بررسی قرارگرفته‌اند. برای آنکه مقادیر موردنظر برای پاسخ سازه به‌واقعیت نزدیک باشد، با استفاده از مفاهیم اصلی تئوری دینامیک سازه‌ها، پاسخ سیستم حاصل شده و برای محاسبه خواص دینامیکی سیستم، مورد استفاده قرار گرفته‌است. نتایج حاصل از این متدولوژی، مبیـّن توانایی آن برای محاسبه قابل‌قبول خواص دینامیکی قابهای مزبور است.
محمدرضا صافدل، فریبرز ناطقی الهی
میانقابها بر روی مقاومت، سختی و شکل‌پذیری قابهای میان‌پر تأثیر دارند، با وجود این، هنوز هم در طراحی‌های متداول سازه‌های قاب‌دار، به دلیل وجود پارامترهای بیشمار مؤثر و نبود یک مدل تحلیلی ساده، میانقابها را جزء اعضای غیرسازه‌ای در نظر گرفته، از مدل کردن آنها چشم‌پوشی می‌شود.
در این مقاله، روشی برای مدلسازی میانقاب مصالح بنایی به کمک یکی از نرم‌افزارهای متداول طراحی سازه‌ها معرفی شده‌است که در آن هر میانقاب با سه دستک فشاری با مشخصات نیرو – تغییرشکلی که بر پایه رفتار اورتروپیک دیوار مصالح بنایی حاصل شده ، جایگزین شده‌است. نمونه‌های آزمایش شده‌ای که پیشتر به کمک نرم‌افزار ANSYS 5.3 نیز تحلیل شده‌‌بودند، انتخاب و این‌بار به کمک نرم‌افزار ۲۰۰۰ SAP مدلسازی و تحلیل شده‌اند. مقایسه نتایج تحلیلها نشان دهنده دقت قابل قبول مدل معرفی شده می‌باشد .
برآورد مشخصات دینامیکی سدهای خاکی با استفاده ازشبکه عصبی مصنوعی
محمد داودی، عادل تابناک
در این مقاله ابتدا به تشریح تعدادی از روابط معمول در برآورد فرکانس طبیعی سدهای خاکی تشریح، سپس با اشاره به توانایی شبکه عصبی (Neural Network) در قدرت یادگیری از محیط و توانایی تعمیم‌دهی، انواع مختلف شبکه‌های مذکور در حل مسائل پیچیده بیان گردیده‌است. از بین شبکه‌های مختلف، شبکه عصبی پرسپترون به دلیل کاربردهای موفق در حل مسائل مختلف مهندسی با جزئیات بیشتری تشریح شده‌است. در ادامه، ضمن شرح مختصر مطالعه موردی انجام شده در زمینه بررسی توانایی شبکه عصبی پرسپترون در پیش‌بینی پاسخ و رفتار مصالح یک سد خاکی در زمان وقوع زمین‌لرزه، کاربرد شبکه‌های عصبی در تخمین توابع و برآورد مشخصات دینامیکی سدهای خاکی بررسی گردیده‌است. بدین منظور، ابتدا اولین فرکانس مودی ۵۰ سد خاکی همگن با مشخصات هندسی فرضی با استفاده از رابطه تجربی اونر به‌دست آمد و در آموزش ۵ شبکه عصبی مختلف مورد استفاده قرارگرفت. نتایج به‌دست‌آمده حاکی از توانایی زیاد شبکه عصبی در تخمین توابع پیچیده حتی با تعداد داده‌های کم می‌باشد.
در ادامه مطالعات، یک شبکه عصبی پرسپترون با استفاده از فرکانسهای مودی ۲۴ سد خاکی مختلف در دنیا که از نتایج آزمایشهای ارتعاش اجباری، محیطی و نگاشتهای زمین‌لرزه‌های ضعیف جمع‌آوری گردیده، آموزش داده‌شد. نتایج مطالعات مذکور نشان می‌دهد که با وجود کم بودن تعداد داده‌های در دسترس از فرکانسهای اندازه‌گیری‌شده سدهای خاکی، نتایج پیش‌بینی شبکه عصبی از دقت مناسبی برخوردار است و در برخی موارد، فرکانس طبیعی سد را دقیقتر از برخی روابط تجربی برآورد می‌کند. طبیعی است که با افزایش داده‌های آموزشی و همچنین افزایش پارامترهای ورودی مؤثر در رفتار دینامیکی سد می‌توان به شبکه‌ای با قدرت تعمیم‌دهی بیشتر دست یافت.
تأثیر نوع گسل، بزرگای زلزله و اثر فاصله برای گسلش ناهمگن بر حرکات توانمند زمین در حوزه نزدیک گسل
محمدرضا قائمقامیان، بهنام خلیلی
در این مقاله، جنبش نیرومند زمین در حوزه نزدیک گسل با در نظرگرفتن توزیع غیریکنواخت لغزش بر روی سطح گسل مورد بررسی قرار گرفته‌است. مناطقی بر روی گسل که جابه‌جایی بیشتری نسبت به جابه‌جایی میانگین دارند به عنوان اسپریتی مشخص شده‌اند. به این ترتیب، حرکات زمین در حوزه نزدیک گسل با استفاده از مدل چشمه محدود و توابع تئوری گرین برای محیط نامحدود شبیه‌سازی شده و نحوه تأثیر هر یک از پارامترهای عمومی گسل، که بر اساس تحقیقات زمین‌شناسی و زلزله‌شناسی بر روی زلزله‌های مهم و گسل مسبب آن قابل تعیین هستند، نظیر ابعاد (طول و عرض) گسل، گشتاور لرزه‌ای و زاویه شیب گسل بر مشخصات پالس حوزه نزدیک گسل به‌صورت عددی و پارامتری مورد مطالعه و بررسی قرار گرفته است.
