فهرست نشریات علمی دسترسی آزاد ایران

شتاب‌نگاشت‌های پالس‌گونه، با ویژگی پالس‌هایی با دامنه بزرگ و مدت‌زمان کوتاه، به‌طور چشمگیری بر پاسخ دینامیکی سازه‌ها تأثیر می‌گذارند. شبیه‌سازی دقیق این نوع زلزله‌ها و تحلیل اثرات آن‌ها بر سازه‌ها و زیرساخت‌ها، از جمله الزامات کلیدی در مهندسی زلزله به شمار می‌رود. در ارزیابی خطرات لرزه‌ای یک منطقه، شتاب‌نگاشت‌های پالس‌گونه به‌عنوان یک شاخص مهم مدنظر قرار می‌گیرند، زیرا می‌توانند به‌طور قابل‌توجهی سطح خطر لرزه‌ای را افزایش دهند. از روش‌های نوین مانند تبدیل موجک می‌توان برای شناسایی دقیق پالس‌های سرعت و استخراج ویژگی‌های کلیدی از تاریخچه زمانی زلزله بهره برد. همچنین، با پیشرفت‌های اخیر در حوزه یادگیری ماشین، امکان طبقه‌بندی دقیق‌تر شتاب‌نگاشت‌های زلزله فراهم شده است. الگوریتم‌های یادگیری ماشین، با قابلیت یادگیری مستمر و به‌روزرسانی خودکار، ابزارهای مؤثری برای تشخیص و طبقه‌بندی دقیق رویدادهای لرزه‌ای محسوب می‌شوند. در این پژوهش، به‌منظور شناسایی زلزله‌های پالس‌گونه، 60 رکورد لرزه‌ای از ایران که دارای شتاب و سرعت بالا بودند، انتخاب و تحلیل شدند. با استفاده از رویکردی که تحلیل موجک را برای استخراج ویژگی‌های کلیدی سیگنال با الگوریتم یادگیری ماشین جنگل تصادفی ترکیب می‌کند، 11 رویداد به‌عنوان زلزله‌های پالس‌گونه طبقه‌بندی شدند. این روش تلفیقی تبدیل موجک و یادگیری ماشین توانایی بالایی در تشخیص ویژگی‌های متمایز زلزله‌های پالس‌گونه از خود نشان داد. ارزیابی عملکرد الگوریتم‌های مورد استفاده حاکی از آن است که روش‌های جنگل تصادفی، تقویت طبقه‌بندی و تقویت گرادیان شدید با دقت بالای94/0 عملکرد بسیار مطلوبی در طبقه‌بندی شتاب‌نگاشت‌های پالس‌گونه دارند. این نتایج نشان‌دهنده پتانسیل بالای یادگیری ماشین در تحلیل و طبقه‌بندی داده‌های لرزه‌ای است که می‌تواند نقش مؤثری در مدیریت ریسک و طراحی مقاوم‌سازی سازه‌ها ایفا کند.