دانلود مقاله ISI انگلیسی شماره 82159
ترجمه فارسی عنوان مقاله

ارزیابی آسیب ساختمان‌ها پس از زلزله با استفاده از منطق فازی

عنوان انگلیسی
Post-earthquake assessment of buildings damage using fuzzy logic
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
82159 2018 11 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Engineering Structures, Volume 166, 1 July 2018, Pages 117-127

فهرست مطالب ترجمه فارسی
چکیده


کلمات کلیدی


1.مقدمه


2. ارزیابی آسیب پس از زلزله: ابعاد عمومی


3. رویکرد منطق فازی: ابعاد نظری


1.3. چارچوب نظری


2.3. توسعه پارامترهای فازی


4. وزن‌های قاعده فازی: شناسایی


1.4. تحولات نظری


2.4. فرایند بهینه‌سازی 


5. کاربرد و مثال عددی


1.5. شرح پایگاه داده‌ها 


2.5. درجه‌بندی و مقایسه


6. نتیجه‌گیری


ضمیمه A. فرم ارزیابی آسیب پس از زلزله [20]
ترجمه کلمات کلیدی
زمین لرزه، خسارت، ارزیابی، ساختمان، وزن قانون، منطق فازی، قانون فازی وزن،
کلمات کلیدی انگلیسی
Earthquake; Damage; Assessment; Building; Rule weight; Fuzzy logic; Weighted fuzzy rule;
ترجمه چکیده
مقاله حاضر روشی مبتنی بر منطق فازی برای ارزیابی آسیب ساختمان‌ها پس از زلزله ارائه می‌دهد. در اینجا آسیب کلی ساختمان از اطلاعات گزارش شده توسط پرسنل فنی آموزش دیده، بعد از بررسی دیداری پارامترهای اصلی در محل، به دست می‌آید، یعنی، «مولفه‌های سازه‌ای» و «مولفه‌های غیرسازه‌ای». برای نشان دادن مطلب، هزاران فرم ارزیابی از بررسی پس از زلزله 2003 بومردس، الجزایر (Mw = 6.8) گردآوری شده است. برطبق فرم ارزیابی استاندارد، هر مولفه آسیب در رتبه D1 (بدون آسیب) تا D5 (ویران شده) قرار دارد. در ادامه، هدف استفاده از میزان آسیب جامع ساختمان‌ها است که باید از D1 تا D5 رتبه‌بندی شوند. این مقاله اثر تعداد و وزن‌های قواعد فازی را برای ارتباط دادن سطح هر مولفه آسیب به میزان آسیب جامع با استفاده از قاعده فازی وزن‌دار تک-مرجع بررسی می‌کند. علاوه بر این، اثر تابع‌های عضویت بررسی می‌شود به طوری که ملاحظه میزان آسیب به عنوان غالب‌ترین سطح با بیشترین مقدار عضویت ممکن می‌شود در حالی که مابقی سطوح آسیب با وجود تاثیرگذاریِ کمتر ملاحظه می‌شوند. الگوریتم ژنتیک برای بهینه‌سازی وزن قاعده‌ها مرتبط با سطوح آسیب مولفه‌ها اتخاذ شده است. پایگاه داده‌های گردآوری شده که بیش از 27000 ساختمان است برای آموزش و اعتبارسنجی این روش استفاده می‌شود. پیش‌بینی نظری، به دست آمده با پردازش خودکار فرم ارزیابی برای هر ساختمان، با آسیب کلی (آسیب مشاهده شده) مقایسه می‌شود که توسط بازرس‌ها شناسایی شده است. نتایج نشان می‌دهند که ارزیابی مبتنی بر نظریه‌پردازی مطابق با مقادیر مشاهده شده برای 90% ساختمان‌ها بررسی شده است.
ترجمه مقدمه
زلزله‌ها یکی از ویران‌گرترین پدیده‌های طبیعت هستند. آنها مکرر باعث تلفات و مرگ‌ومیرهای قابل ملاحظه در بسیاری از قسمت‌های جهان می‌شوند [1]. رخداد مکرر زلزله‌ها و پیامدهای‌شان در قالب تلفات باعث جلب توجه مسئولان دولتی در بسیاری از کشورها شده است، و منجر به توسعه و به روزرسانی منظم نظام‌نامه طراحی زمین‌لرزه برای ارتقاء بهتر عملکرد ساختمان‌ها در طی زلزله‌ها شده است. با این حال، تعداد زیادی از ساختمان‌ها با نظام‌نامه‌های زمین‌لرزه قدیمی یا حتی بدون اجرای هر نوع نظام‌نامه زمین‌لرزه ساخته شده‌اند و این ساختمان‌ها اغلب در برابر زلزله‌ها آسیب‌پذیرتر هستند و آسیب وارده برای آنها جدی‌تر خواهد بود. بعد از زلزله، کارشناسان برای بررسی آسیب پس از زلزله مستقر می‌شوند تا آسیب را ارزیابی کنند. یکی از اهداف اصلی وظایف ارزیابی بررسی و دسته‌بندی ساختمان‌ها در گروه‌های مختلف با توجه به سطوح آسیب وارده است. بسیاری از ساختمان‌های آسیب‌دیده حساس و خطرناک هستند، به خصوص زمانی که پس لرزه رخ می‌دهد. ساختمان‌های غیرایمن باید مشخص شوند تا تخلیه شوند و محدودیت اقامت ایجاد شود. این دسته‌بندی به تصمیم‌گیری برای این موضوع کمک می‌کند که کدام ساختمان‌ها برای اقامت ایمن هستند، کدام ساختمان‌ها نیاز به ارزیابی‌های مفصل‌تر برای تعمیر و بازجورسازی دارند، و کدام ساختمان‌ها باید تخریب شوند. ساختمان‌های آسیب دیده بالقوه و تحت تاثیر معمولاً با استفاده از سطوح آسیب جامع دسته‌بندی می‌شوند. سطوح جامع برطبق آسیب مشاهده شده برای هرکدام از مولفه‌های ساختمانی تعیین می‌شوند. این مولفه‌ها معمولاً به دو گروه اصلی تقسیم می‌شوند، یعنی «مولفه‌های سازه‌ای» (ستون‌ها، تیرها، دیوارها، دال‌ها و غیره) و «مولفه‌های غیرسازه‌ای» (پلکان، دیوارهای حایل، نما، بالکن و غیره). مولفه‌های سازه‌ای، از دیدگاه مکانیکی، مهمترین بخش هستند، زیرا آنها قابلیت تکیه‌گاه برای بارهای عمودی و افقی فراهم می‌کنند که مستقیم به ثبات و ایمنی ساختمان مربوط است. فقدان مقاومت در این مولفه‌ها باعث افزایش ویرانی بالقوه ساختمان می‌شود. از سوی دیگر، مولفه‌های غیرسازه‌ای اهمیت کمتری ندارند، چون آسیب شدید به این مولفه‌ها گاهی‌اوقات باعث کاهش ظرفیت مقاومت زمین‌لرزه ساختمان می‌شود. علاوه بر این، مولفه‌های غیرسازه‌ای از کاربردپذیری ساختمان اطمینان می‌دهند و هزینه‌های‌شان عمده ارزش ساختمان را تشکیل می‌دهد [2-4]. چند خطر دیگر نظیر شرایط خاک پیرامون ساختمان نیز در روش‌های ارزیابی در راهکارهای مختلف دخیل هستند [2،5]. چند ارزیابی پس از زلزله و راهکار آسیب‌پذیری‌ها زمین‌لرزه در منابع پیشنهاد شده است. این راهکارها به لحاظ سطح بررسی از پویش سریع تا ارزیابی مفصل فرق دارند [6-10]. آنها فرم‌های ارزیابی را فراهم می‌کنند که توسط بازرس‌ها در طی فعالیت ارزیابی با اجرای بررسی پیاده روی برای انجام قضاوت پر می‌شود، یعنی میزان آسیب ساختمان، آسیب‌پذیری‌ها زمین‌لرزه‌ای ساختمان و کاربردپذیری ساختمان. با این حال، ارزیابی دقیق آسیب پس از زلزله وظیفه ای بسیار سخت و شکننده است و تابع عدم‌حتمیت مربوط به حضور عامل‌های متعدد است. عدم‌حتمیت‌ها این روش را سخت‌تر و چالش‌برانگیزتر می‌کند. عامل‌های متعدد که باعث عدم‌حتمیت‌ها و تردید‌ها می‌شوند در طی کارزارهای ارزیابی تبدیل به نگرانی می‌شوند. از این رو، برخی عامل‌های عمده، بعد از زلزله‌های بزرگ، شرح داده می‌شوند؛ وظایف ارزیابی تحت موقعیت‌های اورژانسی انجام می‌شوند که در آن هیچ زمان یا تجهیزات ضروری به شکلی مناسب برای بازرس‌ها فراهم نمی‌شود. تحت این شرایط، بازرس‌ها با مشکلات عمده برای انجام قضاوت معتبر مواجه می‌شوند. مجدد، تفسیر شاخص‌های آسیب در میان بازرس‌ها فرق دارد چون عمدتاً مبتنی بر بازرسی دیداری است. راهکارهایی که دسته‌بندی سطوح آسیب را فراهم می‌کنند از شرایط کمّی برای شرح شدت آسیب استفاده می‌کنند، از جمله: «بدون آسیب»، «آسیب کم»، «آسیب متوسط»، «آسیب سنگین» و «ویرانی». یعنی، سطوح آسیب متعدد پیشنهاد می‌شوند و تعریف مشترک از سطوح آسیب تاکنون حاصل نشده است. علاوه بر این، سطوح آسیب اغلب گروه‌های منفک هستند و تعریف روشن ندارند. به این ترتیب، زبان مبهم مرزهای بین سطوح آسیب را از بین می‌برد. تفسیر تعریف سطوح آسیب بین بازرس‌ها فرق دارد. یعنی، به سختی می‌توان گفت چه زمانی آسیب در مولفه ساختمانی حاصل شده است یا فراتر از میزان آسیب خاص تنها با بازرسی دیداری رفته است. هر مولفه ویژگی‌ و اهمیت نسبی خودش را برطبق کارکرد، موقعیت و رفتارش در طی زلزله دارد. برای مثال، طبقات پایینتر با مولفه‌های خود اهمیت مرتبط‌تر نسبت به طبقات بالاتر دارند. با این حال، سطح درک این ویژگی‌ها بر استدلال بازرس‌ها در طی فعالیت‌های ارزیابی تاثیرگذار است. ارزیابی ساختمان‌های بزرگ و مجتمع همیشه دشوار است. برای این کار، باید ابتدا سیستم سازه‌ای ساختمان شناسایی شود. مولفه‌های سیستم‌های سازه‌ای متفاوت در طی زلزله‌ها رفتاری متفاوت دارند. میزان آسیب جامع مربوط به سطوح آسیب مولفه‌های محلی است. تعیین تاثیرگذاری هر مولفه بر پاسخ جامع سازه همیشه چالش‌برانگیز است و تعداد زیاد مولفه‌ها انحراف از میزان آسیب جامع را برای بازرسان دشوارتر می‌کند. بنابراین، این سناریوها حاوی درجات زیادی از عدم‌حتمیت برای بازرس‌ها هستند و ارزیابی‌های صحیح همیشه حیاتی است. بسیاری از ساختمان‌ها با کنترل کیفی ضعیف ساخته شده‌اند. علیرغم این حقیقت که ساختمان‌ها ممکن است برطبق نظام‌نامه زمین‌لرزه مدرن ساخته شوند، این ساختمان‌ها نمی‌توانند از عملکرد زمین‌لرزه‌ای کافی اطمینان بدهند. این اطلاعات (نظام‌نامه زمین‌لرزه کاربردی) گاهی اوقات می‌توانند بازرس‌ها را گمراه کنند. بنابراین، بازرس باید بیشتر متکی بر قضاوت مهندسی خود باشد. عامل دیگر زمانی مطرح می‌شود که قسمت‌های معماری، پوشش و نمای ساختمان آسیب دیده است، در حالی که سیستم سازه‌ای سالم مانده است یا آسیب جزئی متحمل شده است. این ساختمان می‌تواند بازرسان را گمراه کند و ممکن است به صورت غیرایمن دسته‌بندی شود در حالی که قابل سکونت است. از سوی دیگر، سایر ساختمان‌ها ممکن است شواهد دیداری از آسیب سازه‌ای سنگین نداشته باشند و این آسیب با پوشش ساختمان یا بخش های معماری پوشیده شود. این ساختمان‌ها نشانگر تهدید واقعی برای ساکنان هستند و نیازمند توجه ویژه از سوی بازرسان هستند. سیستم‌های تخصصی امروزه تبدیل به ابزاری قابل اتکا شده‌اند. آنها مسائل پیچیده را حل می‌کنند و به کارشناسان در طی فرایندهای تصمیم‌گیری کمک کنند. کاربردهای سیستم تخصصی تعمیم می‌یابد و تقریباً به تمام حوزه‌های مهندسی می‌رسند. علاوه بر این، سیستم‌های تخصصی از نظریه‌های هوش مصنوعی (برای مثال، شبکه عصبی، منطق فازی، الگوریتم‌های ژنتیک، سیستم‌های قاعده محور، سیستم‌های دانش محور) و دانش انسانی ذخیره شده برای شبیه‌سازی قضاوت و رفتار کارشناسان برای فعالیت تخصصی و پیشنهاد نتایج استفاده می‌کنند [11، 12]. ابزار تصمیم پشتیبان می‌تواند کمک و پشتیبانی فراوانی برای بازرسان فراهم کند و بازه خطا را در طی ارزیابی ریسک زمین‌لرزه به حداقل برساند. از این رو، چند محقق نظریه‌های هوش مصنوعی را برای ایجاد سیستم‌های کارشناسی برای مدل‌های ارزیابی پیش و پس از زلزله اجرا کرده‌اند. روش‌های زیادی در سراسر دنیا ایجاد شده‌اند تا به بازرسان در طی روش‌های ارزیابی‌شان کمک شود: سانچز-سیلوا و گارسیا [13]، دمارتینوس و دریتسوس [14]، سکستوس و همکاران [15]، کارنو و همکاران [16]، تسفاماریام و ساتکیوغلو [17] سن [18]، مبارکی و همکاران [19]. با این حال، توسعه سیستم‌های تخصصی به خودی خود وظیفه‌ای دشوار است. سیستم‌های کاملاً اجرایی نیازمند دانش صحیح کارشناسان و روش‌های توسعه شفاف است که در آنها موردهای ساده همیشه برای توسعه این سیستم‌ها مناسب هستند. در این مقاله، روش پردازش خودکار برای ساخت سیستم‌های فازی با کاربردی برای روش ارزیابی آسیب پس از زلزله برطبق نظریه منطق فازی، استدلال تقریبی، قاعده فازی وزن‌دار و روش‌های استنتاج فازی شرح داده می‌شود. در اینجا اثر تعداد و وزن قواعد فازی بررسی می‌شود که در آن آسیب سطح هر مولفه مربوط به میزان آسیب جامع برحسب قاعده فازی وزن‌دار تک-پیشایند است. هدف روش پیشنهادی پردازش مرتبط آسیب مولفه‌های ساختمان برای نتیجه‌گیری دقیق درباره میزان آسیب جامع کل ساختمان است.
پیش نمایش مقاله
پیش نمایش مقاله  ارزیابی آسیب ساختمان‌ها پس از زلزله با استفاده از منطق فازی

چکیده انگلیسی

The present paper develops a methodology based on fuzzy logic for post-earthquake assessment of buildings damage. It derives the global building damage level from that reported information by trained technical staff, after in-situ visual inspection of the main parameters, i.e., the “Structural components” and the “Non-structural components”. For illustration purposes, thousands of evaluation forms from post-earthquake survey following the 2003 Boumerdes, Algeria, earthquake (Mw = 6.8) have been collected. According to the standard evaluation form, each component’s damage is ranked from D1 (No damage) up to D5 (Collapse). The aim is then to derive the global damage level of buildings which should also rank from D1 to D5. The paper investigates the effect of the number and weights of fuzzy rules to relate each components’ damage level to the global damage level using a single-antecedent weighted fuzzy rule. It investigates also the effect of membership functions values so that it is possible to consider one damage level as the most dominant with highest membership value whereas the rest damage levels are still considered although with lower influence. A genetic algorithm is adopted to optimize the rule weights associated to the components’ damage levels. The collected database which covers more than 27,000 buildings is used to train and validate the procedure. The theoretical prediction, obtained by automatic processing of the evaluation form for each building, is compared to the global damage (observed damage) identified by inspectors. Results show that the theoretically-based evaluation is in accordance with the observed values for 90% of the investigated buildings.