مدل‌سازی ضریب بزرگنمایی خاک‌های ماسه‌ای به دو روش شبکه عصبی و برنامه‌ریزی بیان ژن

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، دانشکده مهندسی عمران- آب و محیط‌زیست، دانشگاه شهید بهشتی، تهران، ایران

2 دانشیار، دانشکده مهندسی عمران- آب و محیط‌زیست، دانشگاه شهید بهشتی، تهران، ایران

چکیده

زمانی که امواج زمین‌لرزه از لایه‌های آبرفتی می‌گذرند؛ دامنه امواج لرزه‌ای در برخی از دوره‌ها به‌طور قابل‌توجهی افزایش می‌یابد که با عنوان بزرگنمایی سایت شناخته می‌شود. در این صورت می‌توان آن را با یک مدل تحلیلی به‌صورت نسبت طیف پاسخ سطح زمین به طیف پاسخ حرکت ورودی برآورد کرد. این رفتار در ارزیابی عملکرد لرزه‌ای سازه‌ها و شریان‌های حیاتی ضروری است. در این مقاله سعی شده است که این تأثیر در لایه‌های ماسه‌ای با ستبرا‌های متفاوت بررسی شود. برای نمونه، شهرستان ارومیه به عنوان یکی از کلان‌شهرهای شمال ‌باختری ایران و منطقه‌ای زمین‎لرزه‌خیز بررسی شده است. 120 گمانه ژئوتکنیکی حفر و لایه‌های ماسه‌ای با ستبرا‌های متفاوت در بخش مرکزی و خاوری آن دیده شده است. در این تحلیل‌ها از شتاب‌نگاشت‌های مصنوعی شبیه‌سازی‌ شده بر پایه نتایج تحلیل خطر لرزه‌ای به عنوان حرکت ورودی برای تحلیل استفاده شده است. سپس با مقایسه شتاب‌های طیفی در دوره‌های مختلف سطح زمین با مقادیر متناظر روی سنگ‌بستر لرزه‌ای طیف بزرگنمایی شتاب طیفی در دوره‌های مختلف ارائه و به­دنبال آن با استفاده از شبکه عصبی و الگوریتم ژنتیک مدل‌سازی این ضرایب انجام شد. نتایج به دست­ آمده نشان‎دهنده افزایش قابل‌ توجه ضریب بزرگنمایی در برخی از دوره‌ها با افزایش ستبرای لایه‌های ماسه‌ای است. با استفاده از نتایج مدل‌سازی ارائه ‌شده می‌توان ضرایب بزرگنمایی خاک‌های ماسه‌ای شهر ارومیه را با ستبرا‌های متفاوت به ازای دوره‌های متغیر تا 4 ثانیه برآورد کرد. در این مطالعه نتایج به ‌دست ‌آمده از شبکه عصبی مصنوعی با استفاده از معیارهای ضریب همبستگی و جذر میانگین مربعات خطا جواب‌های دقیق‌تری نسبت به برنامه‌ریزی بیان ژن ارائه کرده است. همچنین در این مطالعه با استفاده از الگوریتم تکاملی برنامه‌ریزی بیان ژن رابطه ریاضی به ازای ستبرای لایه ماسه‌ای و دوره‌های متفاوت بیان می‌شود.

کلیدواژه‌ها


عنوان مقاله [English]

Modeling the amplification ratio of sandy soils using two methods of neural network and gene

نویسندگان [English]

  • N. Alidadi 1
  • A. Mahdavian 2
1 M.Sc. Student, Faculty of Civil- Water and Enviromental Engineering, Shahid Beheshti University, Tehran, Iran
2 Associate Professor, Faculty of Civil- Water and Enviromental Engineering, Shahid Beheshti University, Tehran, Iran
چکیده [English]

When seismic waves pass through alluvial layers, the seismic wave amplitude increases significantly in some periods, which is known as site amplification. In this case, it can be analyzed with an analytical model of the surface response spectrum Estimates of the input response spectrum. This behavior is essential in assessing the seismic performance of the structures and vital arteries. In this paper, we investigate this effect on different layers of sand with different thicknesses for Urmia city, a metropolitan area in the North West of Iran and an earthquake prone region. 120 geotechnical boreholes were drilled in sandy layers of different thicknesses in the central and northern parts of the city. The analysis simulated artificial acceleration based on seismic hazard analysis results. By observing the spectral accelerations for different periods at the earth’s surface the spectral acceleration magnitudes of the seams were shown for different periods. Using a neural network and genetic algorithm, these coefficients were modelled.  Using the evolutionary algorithm of gene expression programming, the mathematical relation was expressed in terms of sand layer thickness and different periods. However, the results obtained from the artificial neural network using the correlation coefficient and root mean square yielded more accurate results than the gene expression programming. In conclusion, the results show that by increasing the thickness of the sand layers, the amplification ratio also increases considerably for some periods. Using the modeling results, we can estimate the amplification of the sandy soils of  Urmia city with different thicknesses for variables up to 4 seconds.

کلیدواژه‌ها [English]

  • Equivalent linear analysis
  • Site effects
  • Amplification ratio
  • Artificial accelerogram
  • Neural Network
  • Gene expression programming

کتابنگاری

علیدادی، ن.، 1395- پایان­نامه بررسی تأثیر تقویت امواج لرزه­ای در خاک­های ماسه­ای با ضخامت­های متفاوت همراه با مطالعه موردی، دانشگاه شهید بهشتی تهران، 186ص.

 

References

Akkar, S. and Bommer, J. J., 2010- Empirical equations for the prediction of PGA, PGV, and spectral accelerations in Europe, the Mediterranean region, and the Middle East. Seismological Research Letters, 81(2), pp.195-206.

Ambraseys, N. N., Douglas, J., Sarma, S. K. and Smit, P. M., 2005- Equations for the estimation of strong ground motions from shallow crustal earthquakes using data from Europe and the Middle East: horizontal peak ground acceleration and spectral acceleration. Bulletin of earthquake engineering, 3(1), pp.1-53.

Ambraseys, N. N. and Jackson, J. A., 1998- Faulting associated with historical and recent earthquakes in the Eastern Mediterranean region. Geophysical Journal International, 133(2), pp.390-406.

Arjun, C. R. and Kumar, A., 2011- Neural network estimation of duration of strong ground motion using Japanese earthquake records. Soil Dynamics and Earthquake Engineering, 31(7), pp.866-872.

Bonilla, M. G., Mark, R. K. and Lienkaemper, J. J., 1984- Statistical relations among earthquake magnitude, surface rupture length, and surface fault displacement. Bulletin of the Seismological Society of America, 74(6), pp.2379-2411.

Boore, D. M. and Atkinson, G. M., 2008- Ground-motion prediction equations for the average horizontal component of PGA, PGV, and 5%-damped PSA at spectral periods between 0.01 s and 10.0 s. Earthquake Spectra, 24(1), pp.99-138.

Borcherdt, R., Glassmoyer, G., Der Kiureghian, A. and Cranswick, E., 1989- Effect of site conditions on ground motions in Leninakan, Armenia S.S. R., R. Borcherdt ed., Results and data from seismologic and geologic studies following earthquakes of December 7, 1988, near Spitak, Armenia S.S. R. , U.S. Geological Survey Open-File Report, 89-163A, 86-108.

Campbell, K. W. and Bozorgnia, Y., 2003- Updated near-source ground-motion (attenuation) relations for the horizontal and vertical components of peak ground acceleration and acceleration response spectra. Bulletin of the Seismological Society of America, 93(1), pp.314-331.

Campbell, K. W. and Bozorgnia, Y., 2008- NGA ground motion model for the geometric mean horizontal component of PGA, PGV, PGD and 5% damped linear elastic response spectra for periods ranging from 0.01 to 10 s. Earthquake Spectra, 24(1), pp.139-171.

Demuth, H., Mark, B. and Martin, H., 1998- Neural network toolbox user’s guide. The MathWorks. Inc., Natrick, USA (1998).

Drennov, A. F., Dzhurik, V. I., Serebrennikov, S. P., Bryzhak, E. V. and Drennova, N. N., 2013- Acceleration response spectra for the earthquakes of the southwestern flank of the Baikal Rift Zone. Russian Geology and Geophysics (Geologiya i Geofizika) 54 (2), 223–230 (292–301).

Eker, A. M., Akgun, H. and Kockar, M. K., 2012- Local site characterization and seismic zonation study by utilizing active and passive surface wave methods: A case study for the northern side of Ankara, Turkey. Engineer. Geol. 151, 64–81.

Erdik, M. and Durukal, E., 2004- Strong ground motion, in: Ansal, A. (Ed.), Recent Advances in Geotechnical Earthquake Engineering. Kluwer Academic Publishers, Chapter 3, 67–100.

Ferreira, C., 2001a- Gene expression programming in problem solving, In: 6th Online World Conference on Soft computing in Industrial Applications (Invited Tutorial).

Ferreira, C., 2001b- Gene Expression Programming: a New Adaptive Algorithm for Solving Problems, Complex Systems, 13, 87-129.

Ferreira, C., 2006- Gene Expression Programming: Mathematical Modeling by an Artificial Intelligence, 2nd Edition, Springer-Verlag, Germany.

Hashash, Y. M. A., Groholski, D. R., Phillips, C. A., Park, D. and Musgrove, M., 2011- "DEEPSOIL 5.0." User Manual and Tutorial, Univ. of Illinois at Urbana Champaign, Champaign, Illinois.

Hashash, Y., 2011- site amplification factors for deep deposits and their application in seismic hazard analysis for Central U.S..

Koçkar, M. K. and Akgun, M., 2012- Evaluation of the site effects of the Ankara basin, Turkey. J. Appl. Geophys. 83, 120–134, 2012.

Levenberg, K., 1944- A method for the solution of certain non-linear problems in least squares. Quarterly of applied mathematics, 2(2), pp.164-168.

Lunina, O. V., Andreev, A. V. and Gladkov, A. A., 2014- Geologic hazards associated with seismogenic faulting in southern Siberia and Mongolia: forms and location patterns. Russian Geology and Geophysics (Geologiya i Geofizika) 55 (8), 1028–1042 (1294–1313).

Marquardt, D. W., 1963- An algorithm for least-squares estimation of nonlinear parameters. Journal of the society for Industrial and Applied Mathematics, 11(2), pp.431-441.

Nowroozi, A. A., 1985- Empirical relations between magnitudes and fault parameters for earthquakes in Iran. Bulletin of the Seismological Society of America, 75(5), pp.1327-1338.

Pitilakis, G., 2004- Site Effects, Recent Advances in Earthquake Geotechnical Engineering and Microzonation, Ed. A. Ansal, Springer Netherlands, 139–197.

Pitilakis, K., Gazepis, C. and Anastasiadis, A., 2004- Design response spectra and soil classification for seismic code provisions. In: Proceedings of 13th world conference on earthquake engineering. Vancouver, Canada, Paper no. 2904.

Rodriguez-Marek, A., Bray, J. D., Abrahamson, N. A., 2001- An empirical geotechnical seisemic site response procedure. Earthquake spectra;17;65-87.

Slemmons, D. B., 1977- State-of-the-Art for Assessing Earthquake Hazards in the United States. Report 6. Faults and Earthquake Magnitude (No. WES-MP-S-73-1-6). MACKAY SCHOOL OF MINES RENO NV.

Wells, D. L. and Coppersmith, K. J., 1994- New empirical relationships among magnitude, rupture length, rupture width, rupture area, and surface displacement. Bulletin of the seismological Society of America, 84(4), pp.974-1002.