تخمین ظرفیت دورانی تیرهای بال پهن با بهره گیری از شبکه های عصبی مصنوعی بیزین (BRANN)

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 60

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_MCEJ-18-4_013

تاریخ نمایه سازی: 6 اسفند 1403

چکیده مقاله:

در این مقاله برای اولین بار با ساخت یک مدل شبکه عصبی مصنوعی بیزین که جزو جدیدترین روش های محاسبات نرم است، ظرفیت دورانی تیر بال پهن فولادی تخمین زده شده است. استفاده از روش های متفاوت نظیر المان محدود، روش های رگرسیونی و آماری در پژوهش های پیشین در سال های اخیر مورد بحث قرار گرفته است، لذا در این پژوهش برای تخمین دقیق تر و سریع تر ظرفیت دورانی از تکنیک شبکه های عصبی مصنوعی از نوع شبکه بیزین استفاده شده است. داده های لازم برای آموزش و آزمایش شبکه بر اساس نتایج آزمایشگاهی معتبر از تاریخچه تحقیقات به دست آمده است. ورودی های مدل ساخته شده برای این منظور شامل نصف عرض بال تیر، ارتفاع جان، ضخامت بال، ضخامت جان، طول، تنش تسلیم بال و تنش تسلیم جان است و تابع هدف نیز ظرفیت دورانی می باشد. نتایج به دست آمده از این مدل با نتایج آزمایشگاهی و دیگر مدل های ارایه شده در گذشته مورد مقایسه دقیق قرار گرفت. نتیجه این مطالعه نشان دهنده آن است که استفاده از این رویکرد جدید نسبت دیگر مدل ها دارای دقت بالاتری بوده و کاربردی خواهد بود و می توان از شبکه عصبی مصنوعی بیزین به عنوان ابزاری قدرتمند در این گونه از مسایل بهره برد.

نویسندگان

سید علیرضا علوی

M.Sc. Graduated, Faculty of Civil Engineering, Semnan University, Semnan, Iran

حسین نادرپور

Associate Professor, Faculty of Civil Engineering, Semnan University, Semnan, Iran.

پویان فخاریان

Ph.D. Candidate, Faculty of Civil Engineering, Semnan University, Semnan, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Yura JA, Ravindra MK, Galambos T V. The bending resistance ...
  • Gioncu V, Petcu D. Available rotation capacity of wide-flange beams ...
  • Gioncu V, Petcu D. Available rotation capacity of wide-flange beams ...
  • Cevik A. Genetic programming based formulation of rotation capacity of ...
  • Guzelbey IH, Cevik A, Gögüş MT. Prediction of rotation capacity ...
  • Committee W-AJ. Plastic design in steel: a guide and commentary. ...
  • Lay MG, Galambos T V. Inelastic steel beams under uniform ...
  • Kemp AR. I Interaction of Plastic Local and Lateral Buckling. ...
  • Australia SA of. Steel Structures Commentary: Supplement to AS ۴۱۰۰۱۹۹۸. ...
  • Construction AI of S. Specification for the Design of Steel ...
  • EN ۱۹۹۳-۱-۱. Eurocode ۳: Design of steel structures - Part ...
  • Lay MG. Flange local buckling in wide-flange shapes. J Struct ...
  • Li G. Bracing design requirements for inelastic members. University of ...
  • Naderpour H, Kheyroddin A, Amiri GG. Prediction of FRP-confined compressive ...
  • Ahmadi M, Naderpour H, Kheyroddin A. Utilization of artificial neural ...
  • Kheyroddin A, Naderpour H, Ahmadi M. Compressive Strength of Confined ...
  • Naderpour H, Kheyroddin A, Ghodrati Amiri G, Hoseini Vaez SR. ...
  • Rezazadeh Eidgahee D, Fasihi F, Naderpour H. Optimized Artificial Neural ...
  • Shafabakhsh G, Naderpour H, Fasihi F. Optimized ANN Algorithm for ...
  • Naderpour H, Vosoughifar H, Ghobakhloo E. Evaluation of Effective Parameters ...
  • Shafabakhsh G, Naderpour H, Noroozi R. Optimized ANN Algorithm for ...
  • Naderpour H, Fakharian P, Hosseini F. Prediction of Behavior of ...
  • Naderpour H, Alavi SA. A proposed model to estimate shear ...
  • Hosseini Vaez S, Naderpour H, Barati M. Estimating the behavior ...
  • Naderpour H, Rafiean AH, Fakharian P. Compressive strength prediction of ...
  • Rezazadeh Eidgahee D, Haddad A, Naderpour H. Evaluation of shear ...
  • Naderpour H, Kheyroddin A, Amiri GG. Prediction of FRP-confined compressive ...
  • Naderpour H, Rafiean AH, Fakharian P. Compressive strength prediction of ...
  • MacKay DJC. Bayesian Interpolation. Neural Comput ۱۹۹۲;۴:۴۱۵–۴۷. doi:۱۰.۱۱۶۲/neco.۱۹۹۲.۴.۳.۴۱۵ ...
  • Lukey AF, Adams PF. Rotation capacity of beams under moment ...
  • Kuhlmann U. Definition of flange slenderness limits on the basis ...
  • Kuhlmann U. Rotationskapazität biegebeanspruchter I-Profile unter Berücksichtigung des plastischen Beulens. ...
  • Spangemacher R. Zum Rotationsnachweis von Stahlkonstruktionen, die nach dem Traglastverfahren ...
  • Boeraeve P, Lognard B, Janss J, Gérardy JC, Schleich JB. ...
  • Suzuki T, Ogawa T, Ikarashi K. A study on local ...
  • نمایش کامل مراجع