بررسی توزیع حداکثر شتاب وارد بر طبقات در سازه های دیواری با و بدون المان مرزی در حوزه دور و نزدیک به گسل

نویسند‌گان: [ ریحانه احمدی ] - دانشجوی کارشناسی ارشد مهندسی زلزله دانشگاه صنعتی امیرکبیر[ محسن تهرانی زاده ] - استاد دانشکده مهندسی عمران و محیط زیست دانشگاه صنعتی امیرکبیر

خلاصه مقاله:

وقوع زمین لرزه هاى بزرگ در نزدیکى شهرهایى که در مجاورت گسل ها قرار گرفته اند، غیر قابل انکار است. وجود حرکات پالس گونه با پریود بلند باعث میگردد در مدت زمان کوتامى، انرژی زیادى به سازه اعمال گردد. در زلزله هاى حوزه نزدیک این وضعیت معمولاً در موقوعیت عمود بر گسل رخ مى دهد. از طرفى طبق پیشنهاد ATC58 براى درک رفتار لرزه اى سازه در مقابل زلزله هاى ورودى، پارامترهاى تقاضایى مانند شتاب طبقه باید محاسبه شوند تا دید کمیتى را به محاسب بدهند. این مورد براى ارزیابی عملکرد سازه نیز مفید است. براى بررسى پارامترهاى تقاضا تحت حرکات پالس گونه حوزه نزدیک و مقایسه آن با حوزه دور، سازه هاى 10، 15 و 20 طبقه با سیستم دیوارى با و بدون المان مرزى که بر اساس آیین نامه ACI318-11 طراحى شده اند، در معرض تحریکات لرزه اى قرار گرفتند. نتایج تحلیل دینامیکى غیرخطى در حوزه نزدیک نشان مى دهد که شتاب طبقه در حالت بدون المان مرزى در طبقات پایین تر مقادیر بیشترى نسبت به دیوار با المان مرزى دارد در حالیکه این نتیجه در طبقات فوقانى معکوس می شود

کلمات کلیدی:

 سازه دیواری ، المان مرزی ، شتاب طبقه بیشینه ، حوزه نزدیک

مقاله سنگ شناسی رسوبی

لینک پرداخت و دانلود *پایین مطلب*

 

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 

تعداد صفحه:11

فهرست و توضیحات:

مقدمه

تجزیه و تحلیل

رسوبی   

 ریشه لغوی

دید کلی

  آنچه به اینجا پیوند دارد... سنگ شناسی کانیهای کربناته رسوبات نواحی عمیق خاستگاه گوهرها افیولیت رخساره ومحیط رسوبی توده آذرین رنگ رسوبات یخچال طبیعی اثر قطرات باران محیط رسوبی ماسه سنگی خطوط ساحلی دریا آتشفشان سهند دولومیت دگرگونی مجاورتی ژیپس و انیدریت محیطهای حد واسط انواع رخساره‌های کربناته آبرفت چرخه سنگ رسوبگذاری مصارف صنعتی و ساختمانی شن و ماسه انواع محیط های رسوبی حدواسط مشخصات تکتونیکی زمین ژئو شیمی دانشکده علوم پایه دانشگاه فردوسی مشهد سنگ مخزن نفت رخساره ها و محیطهای رسوبی مخروط افکنه محیط رسوبی صحرایی و دریاچه‌ای ماسه سنگ انواع محیطهای رسوبی قاره‌ای ساختمانهای رسوبی بیولوژیکی ساختمانهای رسوبی ثانویه لایه بندی ترکهای گلی منابع انرژی ناشی از رسوبات مکانیک سنگ زمین شناسی ساختمانهای رسوبی انواع محیطهای دریایی رسوبی  

سنگ شناسی رسوبی از دو کلمه Sedimentary به معنی رسوبی و Petrology به م

سنگهای رسوبی به دلیل داشتن منابع مهم نظیر نفت ، گاز ، ذغال ، آهن ، اوارنیم و نیز مواد مورد نیاز در مصالح ساختمانی مانند آهک ، گچ و غیره از اهمیت خاصی برخوردارند لذا سنگ شناسی رسوبی یکی از مهمترین شاخه‌های علوم زمین محسوب می‌گردد. در حدود 70٪ از سنگهای سطح زمین

پیش بینی بیشنه پاسخ تغییر مکان ، سرعت و شتاب ناشی از رکورد زلزله های طبس ومنجیل با استفاده مدلسازی شبکه های عصبی مصنوعی

نویسنده: [ بهمن سبحانی ] - کارشناسی ارشد سازه مدرس دانشگاه فنی حرفه ای اموزشکده ابن حسام بیرجند و مدرس هنرستان دراموزش و پرورش بیرجند

خلاصه مقاله:

مدل شبکه های عصبی مصنوعی روش جدیدی برای ایجاد سیستم دانش و براساس جمع آوری اطلاعات نمونه است دانش مورد استفاده در این مدل برای پیش بینی پاسخ لرزه ای است که عمدتا مبتنی بر داده های واقعی است که با استفاده از مدل می توان از آن بهره مند شد در این مقاله با استفاده از شبکه عصبی مصنوعی ANN مدلی برای پیش بینی پاسخ سیستم سازه ای با استفاده از اطلاعات زمین لرزه های بوقوع پیوسته طبس و منجیل بدست می آید.این مدلسازی در نرم افزار مطلب Matlab انجام گرفته است در این تحقیق براساس مکانیزم های یادگیری شبکه های مصنوعی سعی می شود با تهیه یک باند اطلاعاتی از نتایج زمین لرزه های بوقوع پیوسته روشی برای پیش بینی پیشینه پاسخ سازه ای تحت زمین لرزه ارائه نمود حسن اصلی این روش کارایی بالای آن در عمل بوده و با سرعت زیاد می توان پاسخ سازه راتحت هر نوع زمین لرزه تعیین مود پیش بینی پیشینه مقادیر زلزله اهمیت حیاتی برای ایمنی انسان دارد و زمین لرزه یک فرآیند بسیار پیچیده و دینامیکی غیرخطی است این را نمی توان به اندازه کافی با هر مدلسازی قطعی پیش بینی کرد لذا دراین مقاله یک مدل دینامیکی از شبکه های عصبی مصنوعی جهت پیش بینی زلزله مورد بررسی قرار گرفته است که از چند سری از داده زلزله های قبلی رخ داده جهت پیش بینی مدل دینامیکی غیرخطی مقادیر پیشینه زلزله استفاده شده است شبکه های عصبی مصنوعی ANN یعنی روش بازگشتی پس انتشار به عقب FFBP برای پیش بینی حداکثر تغییر مکان PGD حداکثر سرعت PGV و حداکثر شتاب PGA زمین لرزه به کار گرفته شده است در این تحقیق براساس مکانیزم های یادگیری مدل شبکه های مصنوعی سعی می شود با تهیه یک بانک اطلاعاتی از نتایج حدود 30 رکوردار از 10 زمین لرزه اتفاق افتاده در سالهای 1357 تا 1380 ناشی از حرکات زمین لرزه در شهرهای طبس و منجیل روشی برای پیش بینی مقادیر پاسخ زلزله (تغییر مکان سرعت و شتاب) ارائه نمود .

کلمات کلیدی:

 شبکه عصبی مصنوعی ، بیشینه پاسخ های زلزله ، مدل دینامیکی پاسخ زلزله

بردار

کلمه بردار به معنای حمل کننده میباشد و از یک کلمه لاتین به همین معنا گرفته شده است.یک بردار به عنوان یک عنصر از فضای برداری تعریف میشودو در فضای nبعدی دارای n مولفه است.پس بدیهی است که یک بردار در صفحه دارای دو مولفه میباشدو یا در فضای سه بعدی سه مولفه را اختیار میکند.بردارها در علوم مختلف مانند فیزیک کاربردهای فراوانی دارند و بدون آنها نمیتوان بسیاری از مولفه های فیزیکی مانند سرعت ، شتاب و... را تفسیر و تعریف نمود.

کمیتی که علاوه بر اندازه دارای جهت نیز باشد. مهم ترین کمیت های برداری که می‌‌توان نام برد عبارت‌اند از:

۱- مکان ۲- سرعت ۳- شتاب ۴- نیرو ۵- میدان های الکتریکی و مغناطیسی

یکی از بهترین راهای تشخیص برداری بودن یا نبودن یک کمیت اینست که بررسی کنیم آیا جمع آن کمیت خاصیت برداری دارد یا خیر. مثلاً جریان الکتریکی با وجود آنکه علاوه بر اندازه جهت نیز دارد ولی برداری نیست زیرا جمع جریان ها به صورت اسکالر صورت می‌‌گیرد (قانون جریان کیرشهف).

این فایل دارای 23 صفحه می باشد.