A machine learning approach to earthquake response analysis of structural systems

DSpace/Manakin Repository

Show simple item record

dc.contributor.author Γεωργακής, Παναγιώτης el
dc.contributor.author Georgakis, Panagiotis en
dc.date.accessioned 2022-06-01T06:37:07Z
dc.date.available 2022-06-01T06:37:07Z
dc.identifier.uri https://dspace.lib.ntua.gr/xmlui/handle/123456789/55225
dc.identifier.uri http://dx.doi.org/10.26240/heal.ntua.22923
dc.description Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Υπολογιστική Μηχανική” el
dc.rights Default License
dc.subject Μηχανική μάθηση el
dc.subject Αντισεισμική μηχανική el
dc.subject Multi degree of freedom structural systems en
dc.subject Single degree of freedom structural systems en
dc.subject Machine learning en
dc.subject Earthquake engineering en
dc.subject Nonlinear response analysis en
dc.subject Μη γραμμική ανάλυση απόκρισης el
dc.subject Πολυβάθμια συστήματα el
dc.subject Μονοβάθμια συστήματα el
dc.title A machine learning approach to earthquake response analysis of structural systems en
heal.type masterThesis
heal.classification Earthquake Engineering en
heal.classification Machine Learning en
heal.classification Αντισεισμική Μηχανική el
heal.classification Μηχανική Μάθηση el
heal.language en
heal.access free
heal.recordProvider ntua el
heal.publicationDate 2021-10-28
heal.abstract Nonlinear response history analysis (NRHA) is the most realistic seismic performance assessment tool of structures which requires the use of recorded acceleration time-histories as input into numerical simulations. Machine learning (ML) techniques are constantly gaining increasing interest in engineering fields and can consist a promising tool for reliable predictions with their ability to quickly and accurately identify trends or patterns through experimental or artificially generated data. In this study, a machine-learning pipeline is proposed to estimate the nonlinear response analysis of single degree-of-freedom systems in terms of their maximum displacement. The applicability and efficiency of the proposed approach is demonstrated in a single degree-of-freedom (DOF) structural system by evaluating the performance of different ML models. It is shown that adequate predictions were obtained through the validation process which can act as a reference tool that can be extended to estimate the structural response of multi-DOF, as well. en
heal.abstract Η μη γραμμική ανάλυση απόκρισης (NRHA) είναι το πιο ρεαλιστικό εργαλείο αξιολόγησης σεισμικής απόκρισης κατασκευών που απαιτεί τη χρήση χρονοϊστοριών επιτάχυνσης ως είσοδο σε αριθμητικές προσομοιώσεις. Οι τεχνικές μηχανικής μάθησης κερδίζουν συνεχώς αυξανόμενο ενδιαφέρον στους τομείς της μηχανικής και μπορούν να αποτελέσουν ένα πολλά υποσχόμενο εργαλείο για αξιόπιστες προβλέψεις με την ικανότητά τους να εντοπίζουν γρήγορα και με ακρίβεια τάσεις ή μοτίβα μέσω πειραματικών ή τεχνητά δημιουργημένων δεδομένων. Σε αυτή τη μελέτη, προτείνεται μια διαδικασία μηχανικής μάθησης για την εκτίμηση της μη-γραμμικής απόκρισης μονοβάθμιων συστημάτων ως προς τη μέγιστη μετατόπισή τους. Η εφαρμοσιμότητα και η αποτελεσματικότητα της προτεινόμενης προσέγγισης αποδεικνύεται σε ένα μονοβάθμιο δομικό σύστημα με την αξιολόγηση της απόδοσης διαφορετικών μοντέλων μηχανικής μάθησης. Αποδεικνύεται ότι ελήφθησαν επαρκείς προβλέψεις μέσω της διαδικασίας επικύρωσης που μπορεί να λειτουργήσει ως εργαλείο αναφοράς και μπορεί να επεκταθεί για την εκτίμηση της απόκρισης πολυβάθμιων συστημάτων. el
heal.advisorName Papadopoulos, Vissarion en
heal.committeeMemberName Nerantzaki, Maria en
heal.committeeMemberName Fragiadakis, Michalis en
heal.committeeMemberName Papadopoulos, Vissarion en
heal.academicPublisher Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Χημικών Μηχανικών el
heal.academicPublisherID ntua
heal.fullTextAvailability false

Files in this item

This item appears in the following Collection(s)

Show simple item record