69,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
  • Broschiertes Buch

Ce travail a pour objet d'analyser la capacité des réseaux de neurones artificiels (RNA) à prédire les mouvements sismiques. L'étude s'appuie sur la base de données sismique KiK-Net. L'analyse de ces données (surface/profondeur) permet de calculer, les rapports d'amplification spectrale afin d'estimer l'effet de site. La même approche est utilisée pour la prédiction des indicateurs de nocivité, ainsi que pour la génération des pseudo-accélérations spectrales. Les résultats obtenus montrent que les modèles neuronaux élaborés sont robustes et ne dépendent que faiblement de la base de données…mehr

Produktbeschreibung
Ce travail a pour objet d'analyser la capacité des réseaux de neurones artificiels (RNA) à prédire les mouvements sismiques. L'étude s'appuie sur la base de données sismique KiK-Net. L'analyse de ces données (surface/profondeur) permet de calculer, les rapports d'amplification spectrale afin d'estimer l'effet de site. La même approche est utilisée pour la prédiction des indicateurs de nocivité, ainsi que pour la génération des pseudo-accélérations spectrales. Les résultats obtenus montrent que les modèles neuronaux élaborés sont robustes et ne dépendent que faiblement de la base de données initiale. Les écarts-types obtenus pour ces modèles sont légèrement inferieurs à ceux des équations classiques de prédiction du mouvement sismique. Les modèles neuronaux établis ne nécessitent aucun a priori sur la nature de la forme fonctionnelle de la relation d'atténuation. L'atténuation du mouvement sismique avec la distance, l'effet d'échelle de la magnitude et l'effet de site non linéaire sont ainsi pris en considération par les RNA du moment où ils existent dans le jeu de données initial.
Autorenporträt
Dr Boumédiène Derras Maître de conférences. Après plusieurs années d'enseignement et de recherche scientifique dans le domaine de génie parasismique, l'auteur a consacré une grande partie de son temps à développer et améliorer des modèles de prédictions du mouvements sismique (GMPEs) pour différentes régions en utilisant l'approche neuronale