7 ème Colloque National AFPS 2007 – Ecole Centrale Paris Prediction of plastic hinge path in moment resisting frames under quasi-static loading using neural networks Nouredine Bourahla*, — Rafik Taleb** — Salim Tafraout * * Département de Génie Civil Université Saad Dahlab - Blida BP 270, 09000 Blida, Algérie nbourahla@mail.univ-blida.dz ** Centre National de Recherche Appliquée en génie parasismique CGS Rue Kaddour Rahim, Hussein-Dey, Alger ABSTRACT. The technique developed in this paper attempts to establish a relatively easy to use tool at the design stage to foresee the probable propagation path of the plastic hinges in a category of plan moment resisting frames under quasi-static seismic loadings. For this purpose series of push-over analyses were first carried out to constitute a database to train a backpropagation neural network. The geometric characteristics of the frames are introduced in matrix format using normalised values of rigidity of beams and columns as input. The output returns the conditions of the nodes of the fame indicating one of four levels of their elastic-plastic status at the collapse point. The neural network model was then trained through a wide range of the rigidity characteristics of the frame elements. Finally, the effectiveness of neural network is investigated using different frame elements. The results showed that the model is capable to predict with reasonable accuracy the plastic hinge propagation and the ruin mechanism of the structure. RÉSUMÉ. Ce travail présente une technique de prédiction de la séquence probable de la formation des noeuds plastiques dans une catégorie de portiques auto-stables soumis à une sollicitation quasi-statique. Cette technique est basée sur la méthode des réseaux de neurones dont la base d’apprentissage est construite en utilisant les résultats obtenus d’une série d’analyse push-over. Les facteurs de rigidité flexionnelle des éléments résistants sont introduits dans le réseau sous une forme normalisée. A la sortie ce dernier donne la configuration des rotules plastiques dans la structure au moment de la ruine ainsi que le taux de plastification dans ces rotules qui comporte cinq niveaux de ductilité. L’apprentissage a été effectué en utilisant les entrées-sorties de la base de données couvrant le domaine de variation des dimensions des éléments de la structure. Le réseau de neurones établi a été testé sur des nouveaux modèles de systèmes structurels, et a donné une corrélation acceptable pour la distribution des nœuds plastiques et le mécanisme de ruine. KEYWORDS : Neural network, plastic hinge, push-over analysis, seismic design, collapse mechanism. MOTS-CLÉS: Reseaux de neurones, noeud plastique, analyse quasi-statique, conception parasismique, mécanisme de ruine. 1. Introduction The phenomenon of partial or total collapse of constructions is widely observed during earthquake events. It is the most redoubtable type of damage, a building may endure. Often, the collapse occurs when a premature