Neural network simulation of a seismic excited building response

• Autorzy: Kuźniar K. , Obiała R. , Waszczyszyn Z.

Warianty tytułu

PL

Numeryczne aspekty neuronowej symulacji odpowiedzi budynku poddanego wymuszeniu typu sejsmicznego

• Języki publikacji: EN

Abstrakty

EN

Back propagation neural networks (BPNNs) can be efficiently used for the simulation of the response of a structure subjected to measured excitations. The main goal of the paper is to predict displacements at selected floors of a tall prefabricated building. The neural network is trained, tested and verified using the responses recorded in a real building during explosions in a nearby quarry. The results show that the dynamic behaviour of the building can be very well modeled by the trained neural network.

PL

Sieci neuronowe typu wstecznej propagacji błędu mogą być z powodzeniem stosowane do symulacji odpowiedzi budynku poddanego zmierzonym wymuszeniom. Praca dotyczy wykorzystania SSN do predykcji przemieszczeń wybranych kondygnacji wysokiego, prefabrykowanego budynku mieszkalnego. Drganie budynku wywoływane były odstrzałami w pobliskim kamieniołomie.

Słowa kluczowe

PL

symulacja neuronowa; sieć neuronowa; przemieszczenie; wymuszenie sejsmiczne

• Wydawca: Komitet Inżynierii Lądowej i Wodnej PAN ; Politechnika Warszawska, Wydział Inżynierii Lądowej
• Czasopismo: Archives of Civil Engineering
• Rocznik: 2000
• Tom: Vol. 46, nr 2
• Strony: 313--323
• Opis fizyczny: Bibliogr. 6 poz., il.

Twórcy

autor

Kuźniar K.

• Cracow University of Technology, Institute of Computer Methods in Civil Engineering

autor

Obiała R.

• Cracow University of Technology, Institute of Computer Methods in Civil Engineering

autor

Waszczyszyn Z.

• Cracow University of Technology, Institute of Computer Methods in Civil Engineering

Bibliografia

• 1. Z. WASZCZYSZYN, Some recent and current problems of neurocomputing in civil engineering, Advances in Computational Structures Technology, pp. 43-58, Civil-Comp Press, Edinburgh 1996.
• 2. H.M. CHEN et al., Neural network for structural dynamic model identification, J. Eng. Mech., 121, 1377-1385, 1995.
• 3. S.F. MASRI et al., Identification of nonlinear dynamic systems using neural networks, J. Appl. Mech., 60, 123-133, 1993.
• 4. R. CIESIELSKI, K. KUŹNIAR, E. MACIĄG, T. TATARA, Damping of vibration in precast building with bearing concrete walls, Arch. Civil Eng., 41, 3, 329-341, 1995.
• 5. R. CIESIELSKI, K. KUŹNIAR, E. MACIĄG, T. TATARA, Empirical formulae for fundamental natural periods of buildings with load bearing walls, Arch. Civil Eng., 38, 4, 291-299, 1992.
• 6. A. ZELL [Ed.], SNNS - Stuttgart Neural Network Simulator, User's Manual Version 4.1, Univ. Stuttgart 1995.