ارزیابی میزان خسارت سازه ها در اثر زلزله با استفاده ازشبکه عصبی کانولوشنی و تصاویر سازه ها

سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 273

فایل این مقاله در 6 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMVIP12_002

تاریخ نمایه سازی: 27 فروردین 1401

چکیده مقاله:

تخمین میزان خسارت در هنگام وقوع زلزله دارای نقش به سزایی در مدیریت بحران است و استفاده از تصاویر ثبت شده می تواند کمک شایانی در امر تخمین خسارت بنماید. در این مقاله استفاده از شبکه های عمیق کانولوشنی جهت دسته بندی تصاویر پیشنهاد شده است، این روش شامل مراحل پیش پردازش، انتخاب معماری شبکه، آموزش و آزمایش شبکه است. شبکه عمیق پیشنهادی در این پژوهش برپایه مدل کانولوشنی مبتنی بر ساختار ResNet است. برای ارزیابی صحت مدل جهت پیش بینی میزان خسارت، دادگان تصاویر شهر ناپا کالیفرنیا که بر اساس توصیه نامه ATC-۲۰ در سه دسته برچسب سبز، زرد و قرمز دسته بندی شده است مورد آزمون قرار گرفت. نتیجه صحت مدل پیشنهادی برابر ۵۴/۸۹٪محاسبه گردید.

کلیدواژه ها:

تصاویر زلزله ، خسارت سازه ، شبکه های عمیق کانولوشنی ، توصیه نامه ATC-۲۰

نویسندگان

افشین خوشنویسان

دانش آموخته کارشناسی ارشد، دانشگاه علم و فرهنگ

حمیدرضا صادق محمدی

دانشیار، پژوهشکده برق جهاد دانشگاهی