Improving Predictive Precision in Compressive Strength of Steel Fiber-Reinforced Concrete: Utilizing Optimized Deep Learning Methods
- سال انتشار: 1403
- محل انتشار: اولین کنفرانس بین المللی تبادل اطلاعات علمی در زمینه مصالح و سازه های بتنی
- کد COI اختصاصی: ICCNC01_003
- زبان مقاله: انگلیسی
- تعداد مشاهده: 188
نویسندگان
Department of Civil Engineering, Faculty Of Engineering, Kharazmi University, Tehran, Iran
Seyed hossein hosseini Lavassani
Assistant Professor, Department of Civil Engineering, faculty Of Engineering, KharazmiUniversity, Tehran, Iran.
Assistant Professor, Department of Civil Engineering, faculty Of Engineering, KharazmiUniversity, Tehran, Iran.
چکیده
This study highlights the critical importance of steel fiber-reinforced concrete (SFRC) inconstruction for its enhanced strength and crack resistance. It addresses the challenges inaccurately predicting SFRC's compressive strength due to complex interactions with differentfiber types, which conventional regression models often fail to capture. To improve predictionaccuracy, deep learning (DL) techniques such as One-Dimensional Convolutional NeuralNetworks (۱D-CNN) are employed. The research aims to enhance the precision of predictingSFRC’s ۲۸-day compressive strength using Observer-Teacher-Learner-Based Optimization(OTBLO) to optimize deep learning models. This approach demonstrates the potential of DL tostreamline traditional concrete testing processes. The effectiveness of these models is verifiedwith indicators showing strong performance in predicting SFRC strength, with high Pearsoncorrelation coefficients and low error metrics for ۱D-CNN.کلیدواژه ها
Steel fiber-reinforced concrete; ۱-dimensional convolutional neural networks;compressive strength; Observer-Teacher-Learner-Based optimizationمقالات مرتبط جدید
- پهنه بندی خطر سیلاب با استفاده از سیستم اطلاعات جغرافیایی و سنجش از دور (مطالعه موردی: غرب استان مازندران)
- بتن جاذب دی اکسید کربن: راهکاری نوین برای کاهش اثرات زیست محیطی
- بتن با قابلیت تغییر شکل: نوآوری در مصالح ساختمانی برای سازه های انعطاف پذیر و پایدار
- بررسی رفتار دینامیکی ساختمان های بلند در برابر زلزله با استفاده ازمیراگرها
- تعیین تابع شکل بهینه ی سیستم تک درجه آزادی معادل دیوار برشی فولادی مرکب
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.