Το θέμα της μεταπτυχιακής διπλωματικής εργασίας είναι η παραμετρική σεισμική ανάλυση κτιρίου μέσω ανάπτυξης λογισμικού με γραφικό περιβάλλον χρήστη και διερεύνησης εφαρμογών τεχνητής νοημοσύνης και μηχανικής μάθησης.  Μία πρακτική εφαρμογή της υφιστάμενης γνώσης στο σχεδιασμό, την αποτίμηση και τη μη γραμμική δυναμική ανάλυση κτιρίων λαμβάνει ιδιαίτερη αξία όταν συνδυάζεται με τις τρέχουσες ερευνητικές εξελίξεις και ιδιαίτερα με τον ραγδαία αναπτυσσόμενο τομέα της τεχνητής νοημοσύνης.  Η εργασία αποσκοπεί σε μια μεθοδική, αναλυτική αλλά και κριτική εφαρμογή του θεωρητικού υπόβαθρου της σεισμικής μηχανικής με την εκπόνηση μιας παραμετρικής μελέτης ενός πενταόροφου κτιρίου γραφείων με τυπικές διαστάσεις και φορτίσεις, σε δύο διαφορετικές ζώνες σεισμικότητας και δύο κατηγορίες εδαφικών συνθηκών.  Η μελέτη συνίσταται σε γραμμικές δυναμικές αναλύσεις, μη γραμμικές στατικές αναλύσεις pushover και μη γραμμικές δυναμικές αναλύσεις χρονοϊστορίας.  Τα αποτελέσματα αναλύονται κριτικά, ώστε να προκύψουν χρήσιμα συμπεράσματα στον τομέα της σεισμικής μηχανικής.  Για τους σκοπούς της εργασίας χρησιμοποιούνται δύο εμπορικά λογισμικά και ένα ακαδημαϊκό, το RUAUMOKO-3D του Πανεπιστημίου Canterbury της Νέας Ζηλανδίας. 

Η μεγάλη αξία του λογισμικού RUAUMOKO-3D στη προσομοίωση και μη γραμμική δυναμική ανάλυση κατασκευών, επισκιάζεται από τη δυσκολία εισαγωγής των δεδομένων εφόσον το λογισμικό δεν έχει γραφικό περιβάλλον χρήστη.  Το κενό αυτό έρχεται να καλύψει η παρούσα εργασία με την ανάπτυξη ενός γραφικού περιβάλλοντος χρήστη ειδικά για το RUAUMOKO-3D, ώστε να το καταστήσει εύχρηστο τόσο για ερευνητική, όσο και για επαγγελματική χρήση.

Η μεθοδολογία εκπόνησης της εργασίας αποτελείται από τη βιβλιογραφική επισκόπηση, όπου αναλύεται το θεωρητικό υπόβαθρο του σχεδιασμού και της σεισμικής αποτίμησης κτιρίων από οπλισμένο σκυρόδεμα κατά τους Ευρωκώδικες, καθώς και τα βασικά στοιχεία της μη γραμμικής σεισμικής ανάλυσης.  Στη συνέχεια τίθενται οι βάσεις για την ανάπτυξη λογισμικού γραφικού περιβάλλοντος χρήστη σε γλώσσα προγραμματισμού Python.  Με την διερεύνηση των εφαρμογών της τεχνητής νοημοσύνης και μηχανικής μάθησης στον κατασκευαστικό τομέα και στην σεισμική μηχανική ολοκληρώνεται η βιβλιογραφική επισκόπηση.

Η μεθοδολογία ανάπτυξης συνίσταται στην εκπόνηση της παραμετρικής σεισμικής μελέτης του κτιρίου, στην ανάπτυξη του κώδικα σε γλώσσα προγραμματισμού Python του γραφικού περιβάλλοντος χρήστη για το λογισμικό RUAUMOKO-3D και την διερεύνηση εφαρμογής αλγορίθμων μηχανικής μάθησης σε Python με βάση την προσομοίωση και την ανάλυση του κτιρίου με το λογισμικό RUAUMOKO-3D.

Τα αποτελέσματα που προκύπτουν από τα διάφορα στάδια της ανάπτυξης της εργασίας αναλύονται και ερμηνεύονται κριτικά, για την εξαγωγή χρήσιμων συμπερασμάτων.  Εστιάζεται ιδιαίτερα η συμβολή της τεχνητής νοημοσύνης και μηχανικής μάθησης στην εκπόνηση τεχνικών μελετών με μεγαλύτερη επιστημονική ακρίβεια, αποτελεσματικότητα, αποδοτικότητα, ταχύτητα και οικονομία.

The subject of the postgraduate dissertation is the parametric seismic analysis of a building through the development of software with a graphical user interface and the investigation of applications of artificial intelligence and machine learning.  A practical approach of existing knowledge in the design, evaluation, and dynamic nonlinear analysis of buildings takes on particular value when combined with current research developments, especially the rapidly developing field of artificial intelligence.  The dissertation aims to apply the theoretical background of seismic engineering methodically, analytically, and critically by preparing a parametric study of a five-story office building with typical dimensions and loadings in two different seismicity zones and two soil categories.  The study consists of linear dynamic analyses, nonlinear static pushover analyses and nonlinear dynamic time-history analyses.

The results are critically analyzed in order to draw useful conclusions in the field of seismic engineering.  For the purposes of the dissertation, two commercial software packages and one academic one, RUAUMOKO-3D from the University of Canterbury, New Zealand, are used.

The great value of the RUAUMOKO-3D software for the simulation and nonlinear dynamic analysis of structures is overshadowed by the difficulty of data entry, as it lacks a graphical user interface.  This gap is addressed in the present dissertation by developing a graphical user interface for RUAUMOKO-3D that makes it easier to use for both research and professional purposes.

The dissertation methodology comprises a literature review analyzing the theoretical background of the design and seismic assessment of reinforced concrete buildings according to the Eurocodes, as well as the basic elements of nonlinear seismic analysis.  The foundations for the development of graphical user interface software in Python are then laid.  The literature review concludes by examining the applications of artificial intelligence and machine learning in the construction sector and seismic engineering.

The development methodology consists of preparing a parametric seismic study of the building, developing the graphical user interface for the RUAUMOKO-3D software in Python, and investigating the application of machine learning algorithms in Python, based on simulations and analyses of the building using the RUAUMOKO-3D software.

The results of the dissertation's various stages are analyzed and critically interpreted to draw useful conclusions.  Particular focus is placed on the contribution of artificial intelligence and machine learning to the preparation of technical studies with greater scientific accuracy, effectiveness, efficiency, speed and economy.