استفاده از روش بازنمونه‌گیری داده‌ها در تدقیق رابطه کاهندگی بور-اتکینسون 2008

نوع مقاله: یادداشت فنی

نویسندگان

1 دانشگاه اراک

2 دانشکده مهندسی عمران، دانشگاه اراک

چکیده

در مقاله حاضر به بهینه‌سازی ضرایب مدل پیش بینی بور و آتکینسون 2008 پرداخته شده است. برای تحقق این هدف از الگوریتم ژنتیک با تابع هدف معیار حداکثر درست نمایی برای افزایش میزان تناسب رابطه بر روی مجموعه داده‌های مورد استفاده و تابع هدف بازنمونه‌گیری داده‌ها برای افزایش پایداری رابطه استفاده شده است. داده‌های مورد استفاده در این مطالعه، بخشی از داده‌های جهانی مرکز مطالعات مهندسی زلزله پاسفیک با تعداد 15348 می‌باشد. مدل به دست آمده به صورت تابعی از بزرگای گشتاوری، فاصله و سرعت موج برشی می‌باشد و برای پیش‌بینی حداکثر شتاب زمین بکار می‌رود. به منظور ارزیابی این مدل، آزمون‌های آماری مختلفی بر روی آن انجام شده و نتایج آن با هشت مدل از روابط نسل جدید و روابط نسل جدید توسعه یافته مقایسه شده است. نتایج مقایسه این پژوهش حاکی از این موضوع است که مدل بدست آمده دارای کمترین میزان حداکثر درست نمایی و همچنین پایدارترین رابطه از نظر معیار بازنمونه‌گیری داده می‌باشد. نتایج سایر آزمون‌های آماری نیز حاکی از قابل قبول بودن این مدل می‌باشد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

EMPLOYMENT THE RE-SAMPLING ANALYSIS IN DEVELOPMENT OF THE BOORE-ATKINSON 2008 GROUND MOTION PREDICTION EQUATION

نویسندگان [English]

  • Rafiee Zeinab 1
  • Rajabi Zinat 1
1 ARAK University
چکیده [English]

Selection of Ground Motion Prediction Equation (GMPE) is one of the key elements within a seismic hazard analysis. The variety of available GMPE models makes this selection a scientific challenge. Therefore, the stability assessment of an optimized GMPE model is investigated in this paper by employing the new emerged Re-Sampling Analysis (RSA) methodology (Azarbakht et al. 2014). The Boore and Atkinson 2008 GMPE is examined in this paper. The multi-objective Genetic Algorithm (GA) has been employed in order to minimize the Log-likelihood (LLH) measure as well as maximise the RSA. The ground motion database, in this study, consists of 15348 ground motion spectra resulted from 58 seismic events. The magnitude range is between 5 to 7.4 and all the records have the distance less than 200 km. The analysis is performed for peak ground acceleration. The results are compared with the eight most common NGA GMPEs. The obtained results show that the optimum coefficients for the BA2008 model improve it in such a way that the LLH is least among the models and the RSA measure is adequate. It is worth mentioning that all the results in this paper are constrained to the given assumptions as well as the considered methodologies and database. The results may change by using different databases and enrichment of the data during future researches.

Selection of Ground Motion Prediction Equation (GMPE) is one of the key elements within a seismic hazard analysis. The variety of available GMPE models makes this selection a scientific challenge. Therefore, the stability assessment of an optimized GMPE model is investigated in this paper by employing the new emerged Re-Sampling Analysis (RSA) methodology (Azarbakht et al. 2014). The Boore and Atkinson 2008 GMPE is examined in this paper. The multi-objective Genetic Algorithm (GA) has been employed in order to minimize the Log-likelihood (LLH) measure as well as maximise the RSA. The ground motion database, in this study, consists of 15348 ground motion spectra resulted from 58 seismic events. The magnitude range is between 5 to 7.4 and all the records have the distance less than 200 km. The analysis is performed for peak ground acceleration. The results are compared with the eight most common NGA GMPEs. The obtained results show that the optimum coefficients for the BA2008 model improve it in such a way that the LLH is least among the models and the RSA measure is adequate.

کلیدواژه‌ها [English]

  • Seismic Hazard Analysis
  • GMPE
  • RSA
  • LLH