جستجوی بهترین مدل های معماری در شبکه عصبی برای مدلسازی پارامترهای مکانیکی نرمال شده بتن

  • سال انتشار: 1400
  • محل انتشار: پژوهشنامه حمل و نقل، دوره: 18، شماره: 3
  • کد COI اختصاصی: JR_TRJ-18-3_004
  • زبان مقاله: فارسی
  • تعداد مشاهده: 762
دانلود فایل این مقاله

نویسندگان

سیدامیرحسین هاشمی

گروه مهندسی عمران ، دانشکده عمران و نقشه برداری، دانشگاه آزاد اسلامی، قزوین، ایران

علیرضا عاملی

گروه مهندسی عمران، واحد ملارد، دانشگاه آزاد اسلامی، ملارد، تهران، ایران

سید محمد جواد شفیعی شالکه

گروه مهندسی عمران ، دانشکده عمران و نقشه برداری، دانشگاه آزاد اسلامی، قزوین، ایران

الهه السادات هاشمی

گروه مهندسی عمران و معماری، دانشکده فنی و مهندسی، دانشگاه رجاء، قزوین، ایران

چکیده

در این پژوهش به منظور ارزیابی عملکرد شبکه عصبی، از دو مدل شبکه عصبی MLP و شبکه عصبی RBF در راستای پیش بینی مقاومت های خمشی، کششی و فشاری استفاده شد. داده های مورد استفاده، از نتایج مدل­های برازش شده بر نتایج آزمایشات انجام شده بر روی نمونه­های بتن غلتکی حاوی مقادیر مختلف خرده لاستیک بازیافتی، خاکستر بادی و نانوسیلیس بر اساس آزمایشات مقاومت فشاری، خمشی و کششی گرفته شده است. انواع مختلفی از شبکه­های عصبی مصنوعی برای پیش بینی انواع مقاومت بتن استفاده شده­اند. در هر قسمت ساختار شبکه عصبی مورد استفاده به همراه جدول اطلاعات ورودی و نتایج خروجی آن شبکه آورده شده است. در هر نوع شبکه عصبی از تعداد لایه­ها و تعداد نرون­های مختلفی برای مدلسازی استفاده شده است. در جداول، ردیف­های سبزرنگ نشان‎دهنده‎ی بهترین ساختاری است که توانسته به خوبی مقاومت­های بتن را پیش بینی کند. همچنین بهترین نتیجه (کمترین خطا و بالاترین ضریب همبستگی) با درنظرگرفتن عملکرد شبکه در پیش بینی همزمان انواع مقاومت انتخاب شده است. نتایج مقاومت های فشاری و کششی، در یک راستا بوده و عموما هم راستا می­باشد ولی مقاومت خمشی معمولا نتایج متفاوتی را از خود نشان داده است.

کلیدواژه ها

مدل, معماری, شبکه عصبی, پارامترهای مکانیکی, بتن

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.