Resumen

Diversos estudios se han orientado a desarrollar metodologías para estimar la respuesta inelástica de estructuras; sin embargo, la estimación de espectros de respuesta sísmica inelástica requiere de análisis complejos, de tal forma que los métodos tradicionales difícilmente pueden obtener un error aceptable. En este trabajo, se presenta un modelo de Red Neuronal Artificial (RNA) como alternativa para estimar espectros de respuesta inelástica para registros de movimientos del terreno en terremotos. La magnitud del momento (MW), el mecanismo de falla (FM), la distancia Joyner-Boore (dJB), la velocidad de las ondas de corte (Vs30), el periodo fundamental de la estructura (T1) y la ductilidad máxima (μu) se seleccionaron como entradas del modelo ANN. Durante la fase de entrenamiento del modelo Feedforward Multilayer Perceptron se utilizaron 50 movimientos sísmicos tomados de la base de datos NGA y registrados en emplazamientos con diferentes tipos de suelos. Para entrenar la red se seleccionó el algoritmo Backpropagation. Los resultados de la RNA presentan una concordancia aceptable con los espectros de respuesta sísmica reales preservando la forma espectral entre los espectros reales y los estimados.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:modelo perceptrón multicapa feedforward, registros de movimientos del terreno en terremotos, espectros de respuesta sísmica inelástica, espectros de respuesta sísmica real, red neuronal artificial, movimientos del terreno en terremotos, espectros de respuesta inelástica, modelo ann, resultados ann, algoritmo de retropropagación
• Keywords:feedforward multilayer perceptron model, earthquake ground motion records, inelastic seismic response spectra, real seismic response spectra, artificial neural network, earthquake ground motions, inelastic response spectra, ann model, ann results, backpropagation algorithm