دانلود ترجمه مقاله تحولات اخیر در شناسایی آسیب سازه ها با استفاده از داده کاوی (SciELO 2017) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

تحولات اخیر در شناسایی آسیب سازه ها با استفاده از داده کاوی

Recent Developments in Damage Identification of Structures Using Data Mining

چکیده
۱ مقدمه
۲ داده‌کاوی (DM)
۳ داده‌کاوی مبتنی بر رده‌بندی و پیش‌بینی در شناسایی آسیب سازه‌ای
۳-۱ شبکه عصبی مصنوعی (ANN)
۳-۲ تکنیک منطق فازی
۳-۳ رده‌بندی
۳-۴ ماشین بردار پشتیبانی (SVM)
۳-۵ تحلیل رگرسیون
۳-۶ تحلیل مؤلفه‌های اصلی (PCA)
۳-۷ تحلیل بیزی
۳-۸ دسته‌بندی
۳-۹ درخت تصمیم
۴ داده‌کاوی مبتنی بر بهینه‌سازی در شناسایی آسیب سازه‌ای
۴-۱ الگوریتم‌های ژنتیک (GA)
۴-۲ بهینه‌سازی دسته ذرات (PSO)
۴-۳ بهینه‌سازی کلونی مورچه‌ها (ACO)
۵ نتایج و تشریح مطالب
۵-۱ مقایسه کاربردهای تکنیک‌های داده کاوی در نظارت بر سلامت سازه‌ها
۵-۲ قابلیت‌ها و محدودیت‌ها
۶ نتیجه‌گیری

چکیده

معمولاً سازه‌های عمرانی طی عمر بهره‌برداری‌شان به آسیب حساس‌اند و این امر منجر به از بین رفتن قابلیت بهره‌برداری و ایمنی‌شان می‌شود. بنابراین، یکپارچگی سازه‌ها را می‌توان با ارزیابی آسیب تضمین کرد. در نتیجه، روش شناسایی آسیب سازه‌ای که شامل دو جزء است، یعنی مجموعه‌ای از شتاب‌سنج‌ها برای ثبت داده‌های پاسخ سازه‌ای و شیوه داده‌کاوی (DM)، در استخراج اطلاعات سلامت سازه کاربرد وسیعی دارد. در چند دهه اخیر، شیوه داده‌کاوی به جهت قابلیت محاسباتی بالای‌اش به عنوان تکنیکی جامع راهکارهای بسیاری را برای مسائل نظارت بر سلامت سازه (SHM) فراهم کرده است. این مقاله با مروری گسترده بر مقالات مرتبط با کاربرد تکنیک‌های داده‌کاوی (DMT) مورد هدف در روش‌های داده‌کاوی مبتنی بر رده‌بندی، پیش‌بینی و بهینه‌سازی، اولین تلاشی را که برای تشریح کاربرد این تکنیک‌ها در SHM صورت گرفت معرفی می‌کند. براساس این رده‌بندی، کاربردهای تکنیک‌های داده‌کاوی در زمینه تحقیقاتی SHM رده‌بندی می‌شوند و نتیجه می‌گیریم که در دهه گذشته، کاربردهای‌شان در حوزه SHM با روندی روزافزون به مرحله پیاده‌سازی رسیده است، و مشهورترین تکنیک‌ها در این زمینه به‌ترتیب شبکه عصبی مصنوعی (ANN)، تحلیل مؤلفه‌های اصلی (PCA) و الگوریتم ژنتیک (GA) بوده‌اند.

۶- نتیجه‌گیری

داده‌کاوی تنها یکی از مهم‌ترین مراحل فرآیند کشف دانش در پایگاه‌های داده (KDD) برای استخراج مدل‌ها، الگوها و قوانین از داده‌های خام پایگاه‌های داده بزرگ است. سه روش اصلی را می‌توان برای مسائل سازه‌ای واقعی بکار گرفت: تکنیک‌های آماری، تکنیک‌های یادگیری ماشین و تکنیک‌های هوش مصنوعی. در این مقاله، بسیاری از تکنیک‌های مختلف داده‌کاوی که از سال ۲۰۰۰ در زمینه SHM کاربرد داشتند بررسی شدند و، سپس، ایده، روش، قابلیت‌ها و معایبشان مورد بحث قرار گرفت. با توجه به اطلاعات ارائه‌شده، می‌توان به نتیجه‌گیری‌های زیر رسید: تکنیک‌های PCA، ANNو GA به‌ترتیب رایج‌ترین تکنیک‌های داده‌کاوی در زمینه SHM هستند که برای شناسایی آسیب سازه‌ای انواع گوناگون سازه‌های عمرانی بکار می‌روند؛ نظیر ساختمان، پل، تیر بتن‌مسلح، سد، سازه‌های خرپایی و صفحات فولادی.

Abstract

Civil structures are usually prone to damage during their service life and it leads them to loss their serviceability and safety. Thus, damage assessment can guarantee the integrity of structures. As a result, a structural damage detection approach including two main components, a set of accelerometers to record the response data and a data mining (DM) procedure, is widely used to extract the information on the structural health condition. In the last decades, DM has provided numerous solutions to structural health monitoring (SHM) problems as an all-inclusive technique due to its powerful computational ability. This paper presents the first attempt to illustrate the data mining techniques (DMTs) applications in SHM through an intensive review of those articles dealing with the use of DMTs aimed for classification-, prediction- and optimization-based data mining methods. According to this categorization, applications of DMTs with respect to SHM research area are classified and it is concluded that, applications of DMTs in the SHM domain have increasingly been implemented, in the last decade and the most popular techniques in the area were artificial neural network (ANN), principal component analysis (PCA) and genetic algorithm (GA), respectively.

۶- CONCLUSION

DM is just one of the very important steps in the Knowledge Discovery in Databases (KDD) process to extract the models, patterns and rules from raw data in large databases. There are three main approaches, namely statistical techniques, machine learning techniques and artificial intelligence techniques to apply in structural real world problems. In this paper, various DMTs which are applicable to SHM from 2000 were widely reviewed and, consequently, their main concept, methodologies, capabilities and drawbacks were discussed. Based on the presented information, the following conclusions can be drawn.  ANN, PCA and GA are the most common DMTs in SHM, respectively, in order to structural damage identification of various types of civil structures; buildings, bridges, reinforced concrete beams, dams, truss structures, and steel plates.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تحولات اخیر در شناسایی آسیب سازه ها با استفاده از داده کاوی

Recent Developments in Damage Identification of Structures Using Data Mining