پیوندهای مفید
آمار
| تعداد نشریات | 22 |
| تعداد شمارهها | 709 |
| تعداد مقالات | 10,206 |
| تعداد مشاهده مقاله | 71,626,595 |
| تعداد دریافت فایل اصل مقاله | 63,428,236 |
تولید سیگنال مصنوعی زلزله به کمک مدلی جدید در فشرده سازی و آموزش شبکه های عصبی مصنوعی | ||
| مدل سازی در مهندسی | ||
| مقاله 7، دوره 14، شماره 46، مهر 1395، صفحه 75-85 اصل مقاله (1.78 M) | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2017.1777 | ||
| نویسندگان | ||
| سید علی سلیمانی ایوری؛ محمدرضا فدوی امیری* ؛ حسین مروی | ||
| دانشگاه شاهرود | ||
| تاریخ دریافت: 26 تیر 1393، تاریخ بازنگری: 05 آبان 1393، تاریخ پذیرش: 05 آبان 1393 | ||
| چکیده | ||
| با توجه به استفاده روز افزون از تحلیل دینامیکی تاریخچه زمانی برای محاسبه پاسخ سیستمها، تولید شتابنگاشتهای مصنوعی مناسب، به علت کمبود رکوردهای ثبت شده زلزله و همچنین محدودیت و اشکالات موجود در آنها، امروزه امری ضروری به نظر میرسد. در این مقاله، یک روش جدید برای تولید سیگنال مصنوعی سازگار با طیف پاسخ با استفاده از شبکههای عصبی MLFF، آنالیز ویولت و آنالیز MFCC ارائه میشود. در این روش از ضرائب MFCC جهت فشرده سازی اطلاعات سیگنالهای زلزله، استفاده خواهد شد. در نهایت این شبکهها توسط رکوردهای موجود زلزلههای ایران آموزش داده میشوند، بعد از آموزش شبکهها بر اساس طیف پاسخ موجود، شتابنگاشت نظیر هر طیف پاسخ را بدست میآوریم. در پایان به ارائه کاربرد این روش پرداخته و با کنترل نتایج بدست آمده صحت این روش را بررسی مینمائیم. | ||
| کلیدواژهها | ||
| زلزله؛ شتابنگاشت مصنوعی؛ شبکه عصبی مصنوعی؛ طیف پاسخ؛ آنالیز MFCC | ||
| عنوان مقاله [English] | ||
| New method for generation of artificial earthquake record by new model in compression and Artificial Neural Networks | ||
| نویسندگان [English] | ||
| Seyyed Ali Soleymani Eyvari؛ Mohammad Reza Fadavi Amiri؛ Hossein Marvi | ||
| چکیده [English] | ||
| In this paper, a new method for generation of artificial earthquake record from the target spectra is proposed. This method uses new model in compression named MFCC analysis and MLFF Artificial Neural Networks and wavelet analysis. This procedure uses the learning capabilities of neural network to expand the knowledge of the inverse recording from response spectra to earthquake accelerogram. In the first step, wavelet analysis is used to decompose earthquake accelerograms to several levels in which each level covers a special range of frequencies, and then for every level a neural network is trained to learn to relate the response spectra to wavelet coefficients. Mel-Frequency Cepstral Coefficient (MFCC) compress signals for better training of neural networks. Finally, the generated accelerogram using inverse discrete wavelet transform is obtained. Some example is presented to demonstrate the effectiveness of the proposed method. | ||
| کلیدواژهها [English] | ||
| Earthquake, Artificial accelerogram, Artificial Neural Network, Target spectra, MFCC analysis | ||
| مراجع | ||
|
1.MacCann, W.M. and Shah, H.C. (1979), "Determining strong-motion duration of earthquake", Bulletin of the Seismological Society of America, Vol.69, pp. 1253-1265. 2.Ahmadi, G. and Fan, F.G. (1990), "Nonstationary Kanai-Tajimi models for E1 Centro 1940 and Mexico City 1985 earthquake ", Probabilistic Engineering Mechanics, Vol. 5, pp. 171-181. 3.باقری عبدالله،(1384) "تولید شتابنگاشت مصنوعی با استفاده از الگوی کانای– تجیمی و آنالیز ویولت"، پایان نامه کارشناسی ارشد، دانشکده عمران، دانشگاه علم و صنعت ایران. 4.Ghodrati Amiri, G., Raeisi Dehkordi, M. and Bagheri, A. (2005), "Generation of artificial earthquake records with a nonstationary Kanai-Tajimi model and wavelet transform", Proceedings of the International Symposium on Innovation & Sustainability of Structures in Civil Enginieering Including Seismic Engineering(ISISS'2005), Nanjing, China, November 20-22. 5.Olafsson, S. and Ragnar, S. (1995), "Application of ARMA models to estimate earthquake ground motion and structural response", Earthquake Engineering & Structural Dynamics, Vol. 24, pp. 951-956. 6.Yeh, C.H. and Wen, Y.K. (1990), "Modeling of nonstationary ground motion and analysis of inelastic structural response", Structural Safety, Vol. 8, pp. 281–98. 7.Ghaboussi, J. and Lin, C.J. (1998), "New method of generation spectra compatible accelerograms using neural network", Earthquake Engineering & Structural Dynamics, Vol. 27, pp. 377-396. 8.Newland, D.E. (1994), "Random Vibration, Spectral and Wavelet Analysis" 3rd Edition, Longman Singapore, Publishers. 9.Ghodrati Amiri, G., Ashtari, P. and Rahami, H. (2006), "New development of artificial record generation by wavelet theory" Structural Engineering and Mechanics, Vol. 22, pp. 185-195.
| ||
|
آمار تعداد مشاهده مقاله: 1,758 تعداد دریافت فایل اصل مقاله: 1,316 |
||