ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Structural Reliability Assessment Using a Hybrid Algorithm of Artificial Neural Network and Particle Swarm Optimization Algorithm

سال انتشار: 1391
کد COI مقاله: ICCE09_231
زبان مقاله: انگلیسیمشاهد این مقاله: 1,256
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Structural Reliability Assessment Using a Hybrid Algorithm of Artificial Neural Network and Particle Swarm Optimization Algorithm

Naser Shabakhy - University of Sistan&Baluchestan, Department of Civil Engineering
Naser Kazemi
Behrouz Keshtegar
Mostafa Abbasi Kia

چکیده مقاله:

There are several sources of uncertainties existence in the loads, parameter of strengths, and simplification of complex model of structures in civil engineering problems. Thus, it make reliability analysis and estimation of failure probability of structure inevitable. In some reliability problems it is difficult to find an explicit form for the limit state function. Even occasionally due to discontinuity in the limit state, derivative of limit state needed in the estimation of design point seems impossible. In this study a new algorithm based on the hybrid form of Artificial Neural Network and Particle Swarm Optimization algorithm (ANN-PSO) has been developed for reliability assessment of structural. The proposed method firstly involves generation of training datasets to establish an ANN model, then approximation of the limit state function over the trained ANN and finally estimation of the failure probability using the PSO algorithm. Numerical results show that the proposed method has a good agreement as compared to the other methods such as time- consuming Monte-Carlo approach or First Order Reliability Method (FORM) that needs the derivation of the limit state function in its algorithm

کلیدواژه ها:

Reliability, Limit state function, Artificial Neural Network, Particle Swarm Optimization

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/165299/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Shabakhy, Naser و Kazemi, Naser و Keshtegar, Behrouz و Abbasi Kia, Mostafa,1391,Structural Reliability Assessment Using a Hybrid Algorithm of Artificial Neural Network and Particle Swarm Optimization Algorithm,نهمین کنگره بین الملی مهندسی عمران,اصفهان,,,https://civilica.com/doc/165299

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1391, Shabakhy, Naser؛ Naser Kazemi و Behrouz Keshtegar و Mostafa Abbasi Kia)
برای بار دوم به بعد: (1391, Shabakhy؛ Kazemi و Keshtegar و Abbasi Kia)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 9,631
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی