نموذج اهتزاز الأرض المعتمد على XGBoost لطيف التسارع الاستجابة غير المرن بقوة ثابتة

لماذا يهم الاهتزاز للمباني الحقيقية

نادراً ما تترك الزلازل المباني في حالة مرنة تماماً؛ تتشقق الجدران، وتنكسر العتبات، وتنحني المنشآت أكثر مما تشير رسومات التصميم. ومع ذلك، تفترض معظم الأدوات التي يستخدمها المهندسون لتقدير الاهتزاز أن المباني تبقى مرنة. تقدم هذه الدراسة نهجاً مستنداً إلى البيانات للتنبؤ بمدى اهتزاز المباني الحقيقية ذات الضرر الطفيف في زلازل مستقبلية، مما يساعد على تحسين التصميم الزلزالي وفحوص السلامة وتقديرات المخاطر للمدن.

من جداول الاهتزاز البسيطة إلى السلوك الحقيقي

تقليدياً، يعتمد مهندسو الزلازل على نماذج اهتزاز الأرض التي تحول معلومات أساسية عن الزلزال والموقع إلى مقاييس اهتزاز مثل التسارع الأقصى. تغذي هذه النماذج الأطياف الاستجابية، وهي منحنيات تُظهر مقدار اهتزاز مبنى مرن تماماً عند فترات اهتزاز طبيعية مختلفة. لكن، في الزلازل المتوسطة إلى القوية، تتجاوز معظم المباني هذا النطاق المرن. يمكن أن تختلف استجاباتها الحقيقية اختلافاً كبيراً عن التنبؤات المرنة، مما يصعّب تقييم الضرر أو تخطيط التدعيم أو وضع قواعد تصميم واقعية اعتماداً على الأطياف المرنة فقط.

صورة أوضح للاهتزاز للمباني المتخلفة

لسد هذه الفجوة، يركز المؤلفون على أطياف التسارع الاستجابية غير المرنة، التي تصف مقدار التسارع الفعلي لمبنى له قوة محدودة عندما يتجاوز المرونة. يركزون على نسخة تسمى التسارع الطيفي غير المرن بقوة ثابتة، التي تثبت عامل تخفيض القوة لتمثيل مدى قدرة الهيكل على التشوه بشكل غير مرن. باستخدام أكثر من خمسة عشر ألف سجل اهتزاز أرضي من 171 زلزالاً في قاعدة بيانات دولية واسعة، يحاكون استجابة العديد من النماذج المبسطة ذات درجة حرية واحدة التي تحاكي سلوك الخرسانة المسلحة. تغطي هذه المباني الافتراضية نطاقاً واسعاً من فترات الاهتزاز وأنواع المواقع والمسافات من الصدع، والحجوم، ومستويات القوة غير المرنة.

تعليم نموذج ليتعلم من الزلازل

جوهر العمل هو طريقة تعلم آلي تُدعى XGBoost، التي تجمع العديد من أشجار القرار البسيطة في متنبئ قوي. بدلاً من إجبار البيانات على ملاءمة صيغة رياضية ثابتة، يتعلم النموذج العلاقات المعقدة بين حجم الزلزال، والمسافة، وظروف التربة، وفترة المبنى، والقوة غير المرنة. يضمّن المؤلفون أيضاً النموذج في إطار تأثيرات مختلطة يفصل الاختلافات بين الزلازل عن الاختلافات داخل حدث واحد، محاكياً كيف تتعامل النماذج الزلزالية التقليدية مع التباين. يستخدمون أدوات حديثة لتفسير التعلم الآلي، بما في ذلك أهمية التبديل وقيم SHAP، لمعرفة أي المدخلات لها الأثر الأكبر وكيف تدفع التنبؤات صعوداً أو هبوطاً.

ما الذي يتحكم في الاهتزاز في هذا المنظور الجديد

ترسم أداتان التفسير صورة متسقة: حجم الزلزال، وفترة المبنى، والمسافة إلى الصدع تهيمن على الاهتزاز المتوقع، بينما يلعب عامل القوة غير المرنة وسرعة موجة القص السطحية دوراً ثانوياً لكنه ذي معنى. تؤدي الزلازل الأكبر والمواقع الأقرب إلى زلزال إلى تسارعات غير مرنة أعلى، بينما تُظهر المباني ذات الفترات الأطول والترب الطرية التغييرات المتوقعة في الاستجابة. يحقق النموذج دقة عالية على بيانات غير مرئية، حيث يفسر أكثر من 92 في المئة من التباين في التسارعات غير المرنة المُحاكاة، وتظهر بواقياته تحيزاً منظماً ضئيلاً عبر الحجم والمسافة أو ظروف الموقع.

الربط بأدوات التصميم المألوفة

للتحقق من الواقعية الفيزيائية، يقارن المؤلفون تنبؤات التعلم الآلي الخاصة بهم، في الحالة الخاصة عندما يظل المبنى مرناً، مع معادلة اهتزاز أرضية تقليدية مستخدمة على نطاق واسع. تتفق أشكال ومنحنيات النتائج عن قرب، لا سيما للفترات التصميمية النموذجية، بينما يمدَّد النهج الجديد بطبيعته إلى النطاق غير المرن الذي لا يغطيه النموذج القديم. هذا يعني أن المهندسين يمكنهم استخدام النموذج الجديد لبناء منحنيات المخاطر والأطياف التي تعكس سلوك البناء غير الخطي مباشرة، بدلاً من تعديل النتائج المرنة بعوامل تصحيح تقريبية.

كيف يساعد هذا في جعل المدن أكثر أماناً

بعبارات بسيطة، تُظهر الدراسة أن التعلم الآلي يمكن أن يوفر تنبؤات دقيقة وشفافة لمقدار اهتزاز المباني الحقيقية ذات الضرر الطفيف في زلازل مستقبلية، باستخدام معلومات عن الزلزال والموقع والمبنى نفسه. من خلال العمل مباشرة مع مقاييس الاستجابة غير المرنة وتحديد العوامل الأهم بوضوح، يقدم النموذج أساساً أكثر واقعية لتصميم قائم على الأداء وتطوير الأكواد والتقييم السريع للمخاطر، مع البقاء متسقاً مع أدوات التصميم المرنة المألوفة.

الاستشهاد: Gong, Y., Zhao, J. XGBoost-based ground motion model for constant-strength inelastic acceleration response spectra. Sci Rep 16, 15653 (2026). https://doi.org/10.1038/s41598-026-46656-x

الكلمات المفتاحية: هندسة الزلازل, نماذج اهتزاز الأرض, التعلم الآلي, طيف الاستجابة غير المرن, التصميم الزلزالي