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

پیش بینی مشخصات سخت شده بتن خودتراکم الیافی به کمک شبکه های عصبی مصنوعی

سال انتشار: 1393
کد COI مقاله: NCCE08_0889
زبان مقاله: فارسیمشاهد این مقاله: 327
فایل این مقاله در 11 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 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

جواد برنجیان - استادیارموسسه آموزش عالی طبری بابل
نویدرضا فروهر - دانشجوی کارشناسی ارشدموسسه آموزش عالی طبری بابل
محسن قاسمی - دانشجوی کارشناسی ارشدموسسه آموزش عالی طبری بابل

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 :

  • مدلسازی شبکه عصبی مصنوعی برای طرح اختلاط بتن های توانمند [مقاله کنفرانسی]
  • سید مصطفی کیا، (1390)، "شبکه های عصبی در، "MATLAB چاپ ...
  • . موسی امجد س، (390)، " پیش بینی سطح ملکرد ...
  • نهاجم ب(1387)، "مبانی شبکه های عصبی"، انتشارات دانشگاه امیر کبیر، ...
  • پیشبینی سری زمانی با وابستگیهای درازمدت با استفاده از شبکه عصبی بازگشتی نارکس [مقاله کنفرانسی]
  • پیش بینی رفتارشمع ها دربرابر نشست برمبنای مقاومت برشی زهکشی نشده خاک با استفاده ازهوش مصنوعی [مقاله کنفرانسی]
  • . رمضانی، ف. (1385)، " پیش بینی بارش با استفاده ...
  • شبیه سازی جریان رودخانه با استفاده از شبکه عصبی مصنوعی (ANN) (مطالعه موردی حوضه معرف کسیلیان) [مقاله کنفرانسی]
  • . حسین پورم. و همکاران، (139)، "رآورد ظرفیت برشی تیرهای ... [مقاله کنفرانسی]
  • . Boga, A.R et al. (2013), :Using ANN and ANFIS ...
  • _ Dantas, A.T.A et al. (2013), ،Prediction of compressive strength ...
  • _ Matlab. Neural networks toolbox user guide; (2013). ...
  • Hashash, Y., Hook, J. J., Schmidt, B., Yao J. I. ...
  • R. Toufouti, S. Meziane, H. Benalla, (2007), _ Direct Torque ...
  • Masters, T. (1993), :Practical neural network recipes in C++", Academic ...
  • Arsalan, MH., (2010), " Prediction of torsional strength of RC ...
  • Pooya Nejad F, Mark B. Jaksa, Kakhi M, McCabe Bryan ...
  • Smith, M. (1993). :Neural networks for statistical modelling.: Van N ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    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: موسسه غیرانتفاعی
    تعداد مقالات: 425
    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