메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
Konstantinos G. Kostinakis (Aristotle University of Thessaloniki) Konstantinos E. Morfidis (Institute of Engineering Seismology and Earthquake Engineering (ITSAK EPPO))
저널정보
국제구조공학회 Structural Engineering and Mechanics, An Int'l Journal Structural Engineering and Mechanics, An Int'l Journal Vol.75 No.3
발행연도
2020.1
수록면
295 - 309 (15page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
The construction of Reinforced Concrete (R/C) buildings with unreinforced masonry infills is part of the traditional building practice in many countries with regions of high seismicity throughout the world. When these buildings are subjected to seismic motions the presence of masonry infills and especially their configuration can highly influence the seismic damage state. The capability to avoid configurations of masonry infills prone to seismic damage at the stage of initial architectural concept would be significantly definitive in the context of Performance-Based Earthquake Engineering. Along these lines, the present paper investigates the potential of instant prediction of the damage response of R/C buildings with various configurations of masonry infills utilizing Artificial Neural Networks (ANNs). To this end, Multilayer Feedforward Perceptron networks are utilized and the problem is formulated as pattern recognition problem. The ANNs’ training data-set is created by means of Nonlinear Time History Analyses of 5 R/C buildings with a large number of different masonry infills' distributions, which are subjected to 65 earthquakes. The structural damage is expressed in terms of the Maximum Interstorey Drift Ratio. The most significant conclusion which is extracted is that the ANNs can reliably estimate the influence of masonry infills’ configurations on the seismic damage level of R/C buildings incorporating their optimum design.
#reinforced concrete buildings #masonry infills #seismic damage #artificial neural networks #pattern recognition

목차

등록된 정보가 없습니다.

참고문헌 (57)

참고문헌 신청
Adeli, H. / 2001 / Neural networks in civil engineering : 1989-2001 / Comput Aid Civ Infrastruct Eng 16:126~142 Crossref Akbas, B. / 2011 / Estimation of seismic-induced demands on column splices with a neural network model / Appl. Soft Comput 11(8):4820~4829 google schola Anagnos, T. / 1995 / NCEER-ATC joint study on fragility of buildings google schola Asht, S. / 2012 / Pattern Recognition Techniques : A Review / J. Comput. Sci. Telecommunications 3(8):25~29 google schola 2008 / ATC-63, FEMA P695, Quantification of Building Seismic Performance Factors / FEMA google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0