A machine learning approach to earthquake response analysis of structural systems

Γεωργακής, Παναγιώτης; Georgakis, Panagiotis

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