پیش بینی مقاومت کششی غیرمستقیم بتن سبک خودتراکم با استفاده از شبکه های عصبی مصنوعی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 694

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

DCEAEM01_290

تاریخ نمایه سازی: 18 دی 1393

چکیده مقاله:

امروزه شبکه های عصبی مصنوعی به عنوان یک ابزارسودمنددرزمینه های مختلف مهندسی عمران استفاده میشود این مقاله با بکارگیری شبکه های عصبی که توانایی بسیاربالایی دربازسازی روابط پیچیده وغیرخطی دارند به پیش بینی مقاومت کششی 28روزه بتن سبک خودتراکم بااستفاده ازترکیب شبکه های عصبی می پردازد دراین تحقیق ازشبکه عصبی پرسپترون چندلایه استفاده شده است ابتدابااستفاده ازیک نوع سبکدانه مصنوعی با روش سعی وخطا چهارگروه طرح اختلاط بانسبت آب به سیمان 0/35و0/4ساخته شد برای هرگروه چهارمقدارفوق روان کننده برپایه پلی کربوکسیلیک ـ اتردردوحالت باوبدون دوده ی سیلیسی درنظر گرفته شد درصد جایگزینی دوده ی سیلیسی به جای سیمان ده درصد بود سپس با درنظرگرفتن ازمایشهای بتن تازه و مقاومت فشاری 28روزه به عنوان ورودی ازمدلسازی شبکه عصبی برای پیش بینی مقاومت کششی 28روزه بتن استفاده گردید برای رسیدن به این هدف با استفاده ازنرم افزارMATLABوباکمک توابع رگرسیون برای جمع آوری داده ها برای هرگروه طرح اختلاط شبکه عصبی مناسب تهیه گردید درنهایت چهارشبکه عصبی موجودباهم ترکیب شدند ومشخص گردید که مدلهای شبکه عصبی ترکیبی عملکرد مناسبی درپیش بینی مقاومت کششی بتن دارند

نویسندگان

موسی مظلوم

استادیاردانشگاه تربیت دبیر شهید رجایی تهران

سعید فراهانی طجر

دانشجوی کارشناسی ارشدزلزله دانشگاه تربیت دبیر شهید رجایی تهران

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 :
  • I2] اس. اچ، احمد، شاه. اس.پی.1383. بتن های توانمند و ...
  • کاوه، علی، و همایون ثروتی.1390. شبکه‌های عصبی مصنوعی در تحلیل ...
  • . Self -consolidating concrete, A CI23 7R-07.2007 _ ...
  • Fausett, L. 1 993 .Fundemental of Neural Network : Architectures, ...
  • Alshihri, M., A.M. Azmey and M.S. EL-Bisy.2009. Neural network for ...
  • Altun, F., O. Kisi and K. Aydin.2008. Predicting the compressive ...
  • Duan, Z.H., S.C. Kou and C.S. Poon. 2013. Predicting of ...
  • Ghafoori, N., M. najmi, J. Sobhani and M.A. Aqel .2013. ...
  • Demirboga , Ramezan , Ibrahim. 6ring, Ristem. GiL.2001. Effect of ...
  • EFNARC. Feb2002. Specification and Guideline for S el f-compacting concrete.32pp. ...
  • EFNARC .May2005 .TheEuropean Guidelines for S elf- compacting concrete, Specification, ...
  • Japan Society of Civil Engineers. 1992. Rec ommendations for design ...
  • Muller, H.S., M. Haist .204. Erste Allgemeine _ avavfsichtliche Zulassung ...
  • EFNARC , "Specification and Guidelines for S elf- Compacting C ...
  • Petersson, O., P. Billberg, B.K.Van .1996. A model for self- ...
  • BS 1881- part 118.1983. Method for determination of flexural strength. ...
  • نمایش کامل مراجع