Résumé:
Afin de prédire les conséquences post-sismiques sur les constructions, il est opportun de maîtriser les paramètres influents sur la vulnérabilité du bâti. L‟aptitude à pouvoir mesurer le plus fidèlement cette vulnérabilité est aujourd'hui un des défis les plus cruciaux auquel sont confrontés les ingénieurs de structure. Les résultats de telles études sont importants dans la réduction de pertes humaines et matérielles pour des séismes futurs tout en permettant des actions de renforcement de structures existantes et une meilleure gestion de la crise post-sismique. Dans ce contexte, le travail que nous présentons expose une approche utilisant les Réseaux de Neurones (RN) comme outil pour évaluer la vulnérabilité d‟une construction. En effet, un système de RN, plus un ensemble de constructions expertisées est mis en place pour constituer d‟abord une phase d‟apprentissage. Dans une seconde phase, ce système est utilisé pour prédire la vulnérabilité d‟un autre ensemble de constructions. Une base de 130 cas de constructions expertisées est utilisée dans une architecture de RN pour constituer la phase d‟apprentissage par le logiciel MATLAB 7.8. Les paramètres décrivant ces constructions sont choisis de manière différente pour contenir tous les cas possibles. En effet, une autre base constituant 11 constructions expertisées est utilisée pour comparer les résultats prédits par le système de RN avec ceux des expertises (résultats cibles). Des conclusions satisfaisantes ont pu être mises en évidence sur l‟exactitude de la prédiction de la vulnérabilité.
