Διερεύνηση των Φασμάτων Απόκρισης των Σεισμών στην Ελλάδα και Μόρφωση Νευρωνικών Δικτύων Πρόβλεψης της Φασματικής Επιτάχυνσης

Abstract

Η παρούσα Μεταπτυχιακή Διπλωματική Εργασία εκπονήθηκε στο πλαίσιο του Μεταπτυχιακού Προγράμματος Σπουδών «Προστασία Κατασκευών από Φυσικές Καταστροφές» του Πανεπιστημίου Πελοποννήσου και εστιάζει στη μελέτη της σεισμικής απόκρισης των κατασκευών μέσω της ανάλυσης φασμάτων απόκρισης σεισμών που καταγράφηκαν στον Ελλαδικό χώρο από το 1973 μέχρι και σήμερα. Η Ελλάδα, ως η πιο σεισμογενής χώρα της Ευρώπης, προσφέρει πληθώρα δεδομένων που καθιστούν τη διερεύνηση των φασμάτων απόκρισης ιδιαίτερα σημαντική για την κατανόηση της δυναμικής συμπεριφοράς των κατασκευών και τη βελτίωση της αντισεισμικής προστασίας. Στο θεωρητικό μέρος της εργασίας, παρουσιάζονται βασικά στοιχεία σεισμολογίας, δυναμική ανάλυση συστημάτων ενός βαθμού ελευθερίας, καθώς και τα χαρακτηριστικά των φασμάτων επιτάχυνσης, ταχύτητας και μετατόπισης. Επιπλέον, αναλύονται τεχνικές μηχανικής μάθησης, με έμφαση στα Τεχνητά Νευρωνικά Δίκτυα (Artificial Neural Networks - ANNs), τα οποία αξιοποιούνται για την πρόβλεψη της σεισμικής απόκρισης. Στο πρακτικό σκέλος, πραγματοποιήθηκε συλλογή και επεξεργασία επιταχυνσιογραφημάτων από τους σημαντικότερους σεισμούς στην Ελλάδα, και έγινε υπολογισμός φασμάτων απόκρισης με χρήση του λογισμικού PRISM για διαφορετικές τιμές απόσβεσης. Ακολούθησε η ανάπτυξη και η εκπαίδευση μοντέλων μηχανικής μάθησης, όπως τα Νευρωνικά Δίκτυα Άμεσης Τροφοδότησης και τα Δέντρα Απόφασης (Decision Trees), με βασική συνάρτηση ενεργοποίησης τη ReLU (Rectified Linear Unit). Τα μοντέλα αυτά χρησιμοποιήθηκαν για την πρόβλεψη φασματικής επιτάχυνσης, ταχύτητας και μετατόπισης, βάσει χαρακτηριστικών των σεισμικών γεγονότων. Τα αποτελέσματα της μελέτης ανέδειξαν τη δυνατότητα των νευρωνικών δικτύων να προβλέπουν με υψηλή ακρίβεια τη φασματική επιτάχυνση, την φασματική ταχύτητα και τη φασματική μετατόπιση, προσφέροντας σημαντική υποστήριξη στον σύγχρονο αντισεισμικό σχεδιασμό και στην ενίσχυση υφιστάμενων κατασκευών. Η εφαρμογή τεχνητής νοημοσύνης σε συνδυασμό με σεισμολογικά δεδομένα συμβάλλει στην ενίσχυση προστασίας των ανθρώπινων ζωών και περιουσιών.