Appraisal of the evolutionary-based methodologies in generation of artificial earthquake time histories

در طول سه دهه گذشته روشهاي مختلف توليد زلزله مصنوعي به وسيله مهندسين و زلزله شناسان ارايه شده است . انتخاب يك روش مناسب براي توليد شتاب نگاشت هاي مصنوعي زلزله درفقدان يا كمبود شتاب نگاشت هاي ثبت شده مناسب براي يك منطقه خاص كه بتوان از آنها در آناليز تاريخچه زماني سازه ها استفاده كرد همواره يك امر چالش برانگيز بوده است. در اين مقاله به صورت خاص به كاربرد الگوريتم هاي تكاملي براي توليد شتاب نگاشت هاي مصنوعي وجود دارد، پرداخته شده است. بدين منظور دو روش جديد ارايه شده به لحاظ آماري مورد بررسي قرا گرفته است: روش مبتني بر الگوريتم ژنيتك و روش تلفيقي مبتني بر الگوريتم ژنتيك و شبكه هاي عصبي. شاخصه اصلي اين مقاله ارايه اطلاعات و داده هاي آماري دو روش ارايه شده به منظور توليد يك معيارعددي وكمي در بررسي وجوه مختلف روش هاي موجود با روش ها و الگو هاي ارايه شده در آينده مي باشد. ارزيابي آماري بر پايه سه پارامتر 1) ميزان تطبيق طيف پاسخ شتاب نگاشت ها با طيف هدف، 2) توليد شتاب نگاشت هاي تصادفي مختلف و قابل قبول و 3) ميزان زمان و حجم محاسبات كامپيوتري مربوطه، انجام شده است. نتايج به دست آمده مزيت كاربرد الگوريتم هاي تكاملي درتوليد شتاب نگاشت هاي مصنوعي زلزله را نشان مي دهد .

Through the last three decades different seismological and engineering approaches for the generation of artificial earthquakes have been proposed. Selection of an appropriate method for the generation of applicable artificial earthquake accelerograms (AEAs) has been a challenging subject in the time history analysis of the structures in the case of the absence of sufficient recorded accelerograms. In this paper we have spotlighted the application of the evolutionary algorithms in the AEAs generation approaches. In this regard, we have statistically apprised the two novel methods; the genetic algorithm-based and the hybrid evolutionary neural network-based methods. The main feature of this paper is to provide some statistical information of the two proposed methods to make some quantitative criteria for assessing the future models and algorithms. The assessment is performed based on three major functions of the spectrumcompatibility, the stochastic diversity of generated seismographs and the computational efforts. The results demonstrate the practical advantages of the evolutionary algorithms in this context.