ارزیابی رفتار غیر خطی المان کششی بر اساس روش دوگانه یادگیری عمیق مبتنی بر رفتار فیزیکی

شبیه سازی ترکیبی دوگانه یک روش آزمایش مقرر در سازه می باشد که با هدف ارزیابی المان های سازه در اثر بارگذاریدینامیکی در حوادث شدیدی نظیر زمین لرزه، باد و... با مولفه های تجربی جایگزین می شود. همچنین یکی از جایگزین هایبالقوه بمنظور ارزیابی داده های پیچیده، تشخیص آسیب، ارزیابی خطرهای لرزه ای و واکنش های غیرخطی سازه هایفرامدلسازی شده، بهره گیری از فرا مدل های یادگیری ماشین (ML) می باشد. طی یک دهه ی گذشته شبکه های عصب مصنوعی (ANN) بمنظور پیش بینی رفتارهای غیرخطی سازه به دلیل سرعت بالا و هزینه پایین به دو صورت، نظارت شده و نظارت نشده، مورد استفاده قرار میگرفتند. باتوجه به معماری ساده و جریان یکطرفه، از یادگیری عمیق (DL)، به منظور دسته بندی لایه ها و دستیابی به سطح بالاتری از ویژگی داده های ورودی، بمنظور جایگزینی شبکه عصب مصنوعی استفاده شد. دراین پژوهش مدل های شبکه حافظه عمیق کوتاه مدت با هدف ارزیابی کیفیت مدلهای یادگیری ماشین در حلقه شبیه سازیترکیبی در دو مجموعه آزمایش بدون نمونه واقعی و با نمونه های آزمایشگاهی ارایه شده است.