تخمین خطرلرزه ای برای محاسبه سطح مشخصی از خسارت و آسیب پذیری در طراحی سازه ها از مهمترین مباحث و اصول مهندسی زلزله می باشد، اما وجود عدم قطعیت هایی درتعیین پارامترهای مشخصه زلزله ، روابط کاهندگی، پیش بینی زمان زلزله های آینده ، بزرگا، مسافت چشمه تا سایت زمین لرزه ها و موارد دیگر باعث پیچیدگی آن و ارائه روش های جدید شده است.
دو روش تعینی و احتمالاتی برای تخمین خطر لرزه ای ارائه شده است، روش اول مبتنی بر یک یا چند سناریو خاص می باشد که معمولا وخیم ترین نتیجه را نشان می دهد. و هیچ اطلاعاتی در مورد احتمال وقوع زلزله آتی، موقعیت و بازه زمانی وقوع آن نمی دهد. روش دوم که مدل احتمالی بنیادی در تحلیل خطر زمین لرزه است عبارتست از ترکیبات ممکن بزرگا و فاصله تا ساختگاه که باعث می شود پارامتر حرکت زمین (a) از مقادیری (a0) فزونی یابد. هدف بدست آوردن احتمال سالیانه P() است. این روش تحلیل خطر زلزله توسط کرنل (۱۹۶۰) ارائه شد. با وجود اینکه این روش در تحلیل خطر در مهندسی زلزله بسیار کاربرد دارد ولی دارای معایبی است، از جمله اینکه در این روش ناگزیر به تعریف هندسه ناحیه لرزه زا و تعیین پارامترهای لرزه خیزی می باشیم که تعیین این پارامترها همراه با عدم قطعیت های بسیاری می باشد.
دراین پایان نامه از روش احتمالاتی جدیدی موسوم به روش شبیه سازی مونته کارلو برای تخمین خطر لرزه ای استفاده شده است. این روش از چندین بار نمونه گیری تصادفی از یک کاتالوگ زمین لرزه برای ساختن کاتالوگ مصنوعی استفاده می کند در این روش، امکان محاسبه مقادیر جنبش نیرومند زمین (PGA , PSA) با استفاده از روابط کاهندگی و بدون استفاده از روابط کاهندگی و استفاده مستقیم از شتابنگاشت های ثبت شده در منطقه مورد مطالعه فراهم گردیده است. ازآنجایی که در این روش شبیه سازی، دیگر نیازی به تعیین هندسه چشمه های لرزه ای و پارامتر های مشخصه زمین لرزه نیست، عدم قطعیت های مربوط به این دو، کنترل می شود.
اما در انجام تحلیل خطر احتمالی، یکی از بزرگترین منابع عدم قطعیت ، استفاده از روابط کاهندگی می باشد. عدم قطعیت ناشی از استفاده روابط کاهندگی مربوط به پراکندگی ذاتی داده ها و همچنین تفاوت در فرم تابعی روابط مختلف می باشد. با استفاده از روش شبیه سازی مونته کارلو ، امکان استفاده از توزیع احتمالی واقعی داده ها براساس داده های مشاهده شده فراهم می گردد.
درانتها نتایج مربوط به روش احتمالاتی مرسوم و روش شبیه سازی چه با استفاده مستقیم از روابط کاهندگی و چه با استفاده از داده های مشاهده شده ی مقیاس شده، مقایسه می شوند.
انجام تحلیل خطر لرزه ای به روش شبیه سازی مونته کاراو بدون استفاده از روابط کاهندگی/مردی پیرسلطان زینب
/توسط Arash Eslamiتخمین خطرلرزه ای برای محاسبه سطح مشخصی از خسارت و آسیب پذیری در طراحی سازه ها از مهمترین مباحث و اصول مهندسی زلزله می باشد، اما وجود عدم قطعیت هایی درتعیین پارامترهای مشخصه زلزله ، روابط کاهندگی، پیش بینی زمان زلزله های آینده ، بزرگا، مسافت چشمه تا سایت زمین لرزه ها و موارد دیگر باعث پیچیدگی آن و ارائه روش های جدید شده است.
دو روش تعینی و احتمالاتی برای تخمین خطر لرزه ای ارائه شده است، روش اول مبتنی بر یک یا چند سناریو خاص می باشد که معمولا وخیم ترین نتیجه را نشان می دهد. و هیچ اطلاعاتی در مورد احتمال وقوع زلزله آتی، موقعیت و بازه زمانی وقوع آن نمی دهد. روش دوم که مدل احتمالی بنیادی در تحلیل خطر زمین لرزه است عبارتست از ترکیبات ممکن بزرگا و فاصله تا ساختگاه که باعث می شود پارامتر حرکت زمین (a) از مقادیری (a0) فزونی یابد. هدف بدست آوردن احتمال سالیانه P() است. این روش تحلیل خطر زلزله توسط کرنل (۱۹۶۰) ارائه شد. با وجود اینکه این روش در تحلیل خطر در مهندسی زلزله بسیار کاربرد دارد ولی دارای معایبی است، از جمله اینکه در این روش ناگزیر به تعریف هندسه ناحیه لرزه زا و تعیین پارامترهای لرزه خیزی می باشیم که تعیین این پارامترها همراه با عدم قطعیت های بسیاری می باشد.
دراین پایان نامه از روش احتمالاتی جدیدی موسوم به روش شبیه سازی مونته کارلو برای تخمین خطر لرزه ای استفاده شده است. این روش از چندین بار نمونه گیری تصادفی از یک کاتالوگ زمین لرزه برای ساختن کاتالوگ مصنوعی استفاده می کند در این روش، امکان محاسبه مقادیر جنبش نیرومند زمین (PGA , PSA) با استفاده از روابط کاهندگی و بدون استفاده از روابط کاهندگی و استفاده مستقیم از شتابنگاشت های ثبت شده در منطقه مورد مطالعه فراهم گردیده است. ازآنجایی که در این روش شبیه سازی، دیگر نیازی به تعیین هندسه چشمه های لرزه ای و پارامتر های مشخصه زمین لرزه نیست، عدم قطعیت های مربوط به این دو، کنترل می شود.
اما در انجام تحلیل خطر احتمالی، یکی از بزرگترین منابع عدم قطعیت ، استفاده از روابط کاهندگی می باشد. عدم قطعیت ناشی از استفاده روابط کاهندگی مربوط به پراکندگی ذاتی داده ها و همچنین تفاوت در فرم تابعی روابط مختلف می باشد. با استفاده از روش شبیه سازی مونته کارلو ، امکان استفاده از توزیع احتمالی واقعی داده ها براساس داده های مشاهده شده فراهم می گردد.
درانتها نتایج مربوط به روش احتمالاتی مرسوم و روش شبیه سازی چه با استفاده مستقیم از روابط کاهندگی و چه با استفاده از داده های مشاهده شده ی مقیاس شده، مقایسه می شوند.