چكيده
1. مقدمه
2. بررسي‌های آمار و احتمالاتي اوليه
1-2- شاخص مركزي در توزيع لگ نرمال
2-2- منحني های شكنندگي لرزه ای
3-2- آزمون صحت برازش Anderson-Darling (AD)
3. توضيحات مربوط به سكوي مورد استفاده در اين مطالعه
4. روشهای مدلسازی عددی
5. انتخاب ركورد و منحني تحليل خطر لرزه ای
6. نتايج و تفسير نتايج
7. نتيجه گيری
چكيده
بسياري از مطالعات احتمالاتي در حوزه سازه هاي فراساحل از فرض لوگ نرمال بودن توزيع نياز سازه اي در سطوح مختلف اندازه شدت با در نظر گرفتن ميانه به عنوان شاخص مركزي اين تابع توزيع استفاده مي- كنند. حال آنكه ممكن است اين فرض همواره برقرار نباشد. هدف اصلي اين مطالعه بررسي فرض لوگ نرمال براي سكوي ثابت فلزي فرا ساحل با استفاده از تست آماري Anderson-Darling مي باشد. فرض لوگ نرمال در دو ناحيه شامل 1) محدوده اي كه در آن هيچ ناپايداري ديناميكي پديد نيامده 2) محدوده اي كه در آن ناپايداري ديناميكي وجود دارد، مي باشد. در اين راستا از دو شاخص آماري ميانه و ميانگين هندسي به عنوان پارامترهاي مركزي تابع توزيع لوگ نرمال استفاده شده است. نتيجه نشان ميدهد كه فرض تابع لوگ نرمال بر مبناي ميانگين هندسي در تمامي سطوح اندازه شدت صادق بوده، اما اين فرض برمبناي شاخص ميانه در برخي از سطوح قابل قبول نيست.
ABSTRACT
Many probabilistic studies in the field of offshore structures assume that the drift demand distributes lognormally around its median at all the intensity levels. However, this assumption may not be formally validated, and the purpose of this study is to investigate the assumption of lognormal distribution of the drift demand for the fixed offshore platforms, using Anderson–Darling goodness of fit test. The lognormal hypothesis for the drift demand can be investigated at two different regions as: (1) low intensity levels without any collapse case and (2) higher intensity levels with collapse cases. To this end, both the sample median and sample geometric mean are considered as the estimators of lognormal central tendency. The results indicate that the lognormal hypothesise is accepted based on the sample geometric mean at all the intensity levels. Nevertheless, the lognormal hypothesise is rejected at some intensity levels if the sample median is the central estimator.
