Εμφάνιση απλής εγγραφής

dc.contributor.author	Achmet, Zeinep	en
dc.date.accessioned	2019-12-19T10:23:27Z
dc.date.available	2019-12-19T10:23:27Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/49592
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.17290
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Δομοστατικός Σχεδιασμός και Ανάλυση των Κατασκευών”	el
dc.rights	Αναφορά Δημιουργού-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nd/3.0/gr/	*
dc.subject	Rocking structures	en
dc.subject	Rigid blocks	en
dc.subject	Seismic response	en
dc.subject	Machine learning	en
dc.subject	Support vector machines	en
dc.subject	Λικνιζόμενες δομές	el
dc.subject	Άκαμπτα σώματα	el
dc.subject	Σεισμική απόκριση	el
dc.subject	Μηχανική μάθηση	el
dc.title	Application of Machine Learning Algorithms to Rocking Problems	en
heal.type	masterThesis
heal.classification	Earthquake Engineering	en
heal.classification	Αντισεισμική Τεχνολογία	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2019-06-19
heal.abstract	This master's disertation examines the application of machine learning algorithms to rocking problems. Initially, classification algorithms such as, support vector machines, k-nearest neighbours and random forests are trained to predict accurately the overturning condition of rigid blocks subjected to one-sine base excitation. For the same case, regression models such as Gaussian process regression, support vector regression and random forest are used to predict the overturning ratio of the blocks. The performance of the algorithms are compared and the best performing algorithms are applied to the case of rigid blocks subjected to nearfault ground motion. The training data-set for both cases are prepared solving the equation of motion of rigid blocks with MATLAB’s ODE23s solver.	en
heal.advisorName	Φραγκιαδάκης, Μιχαήλ	el
heal.committeeMemberName	Παπαδόπουλος, Βησσαρίων	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Πολιτικών Μηχανικών. Τομέας Δομοστατικής. Εργαστήριο Μεταλλικών Κατασκευών	el
heal.academicPublisherID	ntua
heal.numberOfPages	117 σ.	el
heal.fullTextAvailability	true

Αρχεία σε αυτό το τεκμήριο

Όνομα: Master_Dissertati ...

Μέγεθος: 2.358Mb

Μορφότυπο: PDF

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στην ακόλουθη συλλογή(ές)

• Μεταπτυχιακές Εργασίες [5971]
  

Εμφάνιση απλής εγγραφής