سال انتشار: 1393
محل انتشار: هشتمین کنگره ملی مهندسی عمران
کد COI مقاله: NCCE08_0889
زبان مقاله: فارسیمشاهد این مقاله: 327
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
مشخصات نویسندگان مقاله پیش بینی مشخصات سخت شده بتن خودتراکم الیافی به کمک شبکه های عصبی مصنوعی
چکیده مقاله:
امروزه روشهای هوشمند والهام گرفته ازطبیعت درحل مسائل پیچیده طرفداران زیادی دارند یکی ازپرطرفدارترین و کاراترین این ساختارها شبکه های عصبی مصنوعی هستند که قادرند یک رابطه کلی بین اطلاعات حجیم و پیچیده ناشی ازآزمایشها ومثالهای تجربی بدست آورند ازطرفی دیگر ترکیب بتن الیافی با بتن خودتراکم یک نوع بتن جدیدی با سیالیت بالا و چسبندگی خوب تولید می کند این نوع بتن به علت حضور الیاف دارای مزایای فراوانی همچون مقاومت بالا دربرابرضربه خستگی فرسایش و همچنین افزایش مقاومت کششی و خمشی وکاهش جداشدگی می باشد دراین تحقیق بادرنظرگرفتن اجزای طرح اختلاط بتن به عنوان ورودی شبکه ها و مدلسازی دونوع شبکه عصبی یکی تابع بنیادی شعاعی و دیگری شبکه عصبی بازگشتی نارکس برای پیش بینی مشخصات سخت شده بتن استفاده شد برای آموزش هرچه بهتر شبکه ها 40طرحاختلاط بتن خودتراکم الیافی توسط سه نوع الیاف فولادی شیشه و پلی پروپیلن ساخته شد مقایسه نتایج آزمایشات و خروجی شبکه بیانگر آن است که هردوشبکه ازدقت کافی درتخمین مشخصات سخت شده بتن خودتراکم برخوردار می باشند و شبکه عصبی بازگشتی نارکس دارای خطای کمتری نسبت به شبکه عصبی تابع بنیادی شعاعی می باشد
کلیدواژه ها:
پيش بيني ، شبكه عصبي مصنوعي ، بتن خودتراكم اليافي ، مشخصات سخت شده
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/296330/
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:برنجیان، جواد و فروهر، نویدرضا و قاسمی، محسن،1393،پیش بینی مشخصات سخت شده بتن خودتراکم الیافی به کمک شبکه های عصبی مصنوعی،هشتمین کنگره ملی مهندسی عمران،بابل،،،https://civilica.com/doc/296330
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: (1393، برنجیان، جواد؛ نویدرضا فروهر و محسن قاسمی)
برای بار دوم به بعد: (1393، برنجیان؛ فروهر و قاسمی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.
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 ممقالهقاله لینک شده اند :مدیریت اطلاعات پژوهشی
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:
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
- ارزیابی آزمایشگاهی بهبود رفتار تغییر شكل ماندگار در مخلوط آسفالتی گرم با استفاده از نانو اكسید آلومینیوم
- Modeling of steel hardening behavior in FEM software
- Application of cyclic void growth model (CVGM) in simulation of ELCF fatigue in steel
- نمودهای معماری و شهرسازی سنتی و اسلامی (نمونه موردی: شهر كرمان)
- مطالعه عددی كاربرد روش درون یابی سازگار (CIE) و درون یابی وابسته (CIE) در حل معضل قفل شدگی برشی (Shear Locking) تیرهای كم عمق تیموشنكو به روش اجزای محدود
مقالات فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
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.