تحلیل ارتجاعی سازه‌ها، سبب ایجاد نیروی برش پایه و تنش هایی می‌شود که به میزان قابل توجهی بزرگتر از پاسخ های واقعی سازه می‌باشند. سازه با ورود به حوزه غیرارتجاعی می‌تواند مقدار زیادی از انرژی زلزله را جذب نموده و مقاومت کند. از طرفی، تحلیل غیرخطی سازه‌ها مستلزم انجام عملیات محاسباتی زمانبر و پرحجم می‌باشد، بنابراین در اکثر آیین‌نامه‌ها، روش ساده و مناسبی تحت عنوان روش استاتیکی معادل، جهت دستیابی به پاسخ معقولی از رفتار غیرخطی سازه (بدون انجام یک تحلیل غیرخطی) ارائه شده ا‌ست. از این رو به دلیل اهمیت شکل‌پذیری در جذب انرژی زلزله، نیروهای محاسباتی ناشی از زلزله با معرفی ضریب رفتار سازه ، R، کاهش می‌یابد. در این مقاله یک بانک داده ی وسیع متشکل از 12960 سازه ی مهاربندی واگرا با تعداد طبقات 3، 6، 9، 12، 15 و 20 طبقه، 3 تیپ سختی ستون و 3 درجه لاغری مهاربندی طراحی شده و در برابر 20 زلزله نزدیک گسل دارای اثرات جهت پذیری پیش‌رونده برای 4 سطح عملکردی مختلف تحلیل شدند. جهت تولید رابطه ی تخمینی R، 6769 داده با استفاده از الگوریتم ازدحام ذرات مورد تعبیر و تفسیر قرار گرفت. نتایج حاصل از همبستگی 86/0 در داده های آزمون، دقت در رابطه ی پیشنهادی را نشان می دهد. پرونده مقاله

Behavior factor of the structures is a coefficient that includes the inelastic performance of the structure and indicates the hidden resistance of the structure in the inelastic stage. In most seismic codes, this coefficient is merely dependent on the type of lateral resistance system and is introduced with a fixed number. However, there is a relationship between the behavior factor, ductility (performance level), structural geometric properties, and type of earthquake (near and far). In this paper, a new optimal correlation is attempted to predict the behavior factor (q) of EBF steel frames, under near-fault earthquakes, using Particle Swarm Optimization (PSO) and Simulated Annealing (SA) algorithms. For this purpose, a databank consists of 12960 data created. To establishing different geometrical properties of models, 3-,6-, 9-, 12-, 15, 20- stories steel EBF frames considered with 3 different types of link beam, 3 different types of column stiffness and 3 different types of brace slenderness. Using nonlinear time history under 20 near-fault earthquake, all models analyzed to reach 4 different performance level. data were used as training data of the Artificial Intelligence Models. Results shows the high accuracy of proposed correlation, established by PSO algorithm. The results of the correlation between the studied algorithms show more accuracy in the relations produced than the previous algorithms and confirm the significance of the governing relations. پرونده مقاله