Artificial neural network based multi-dimensional fragility development of skewed concrete bridge classes

تحقیقات اخیر به منظور ارزیابی ریسک لرزه های منطقه ای از سازه ها بر اساس تجزیه و تحلیل موجودی پل ها انجام شده است. چارچوب ارزیابی خطرات سنتی منطقه شامل دسته بندی کلاس های پل و ایجاد روابط شکننده برای هر کلاس پل می شود. با این حال شناسایی ویژگی های پل که عملکرد های آماری متفاوت پل ها را تعیین می کند اغلب چالش برانگیز است. این ویژگی ها نیز بسته به پارامتر تقاضای مورد نظر متفاوت است. این مقاله روش شکنندگی چند پارامتر را با استفاده از شبکه عصبی مصنوعی برای ایجاد منحنی های شکننده ی خاص پل بدون طبقه بندی کلاس های پل پیشنهاد می کند. روش پیشنهادی به شناسایی اهمیت نسبی هر یک از پارامترهای نامشخص بر روی منحنی شکنندگی کمک می کند. نتایج مطالعات موردی پل های باریک جعبه ای نشان می دهد که اندازه گیری شدت حرکت زمین، طول فاصله و نسبت تقویت طولی ستون تاثیر قابل توجهی بر شکنندگی لرزه ای این کلاس پل می گذارد.