پیش بینی مدول برجهندگی مصالح اساس تثبیت شده با استفاده از شبکه عصبی GRNN

  • سال انتشار: 1396
  • محل انتشار: دومین کنفرانس ملی رویه های بتنی
  • کد COI اختصاصی: NCCP02_049
  • زبان مقاله: فارسی
  • تعداد مشاهده: 839
دانلود فایل این مقاله

نویسندگان

علیرضا غنی زاده

استادیار، دانشکده مهندسی عمران، دانشگاه صنعتی سیرجان

چکیده

یکی از مهمترین پارامترهای ورودی برای طراحی روسازی با استفاده از روش مکانیستیک تجربی، مدول برجهندگی مصالح مختلف روسازی است. هدف این مقاله ارایه یک مدل بر پایه روش شبکه عصبی رگرسیون عمومی GRNN به منظور پیش بینی مدول برجهندگی مصالح اساس تثبیت شده با سیمان تحت اثر سیکل های تر و خشک شدن است. برای این منظور از یک پایگاه داده آزمایشگاهی متشکل از 704 رکورد استفاده شد. در این تحقیق پارامترهای ورودی برای شبکه عصبی شامل تعداد سیکل های تر و خشک شدن، نسبت آهک آزاد به SFA نسبت دانسیته خشک حداکثر به درصد رطوبت بهینه و سطح تنش در نظر گرفته شدند. نتایج این تحقیق نشان می دهد که ضریب رگرسیون (R2) حاصل از مدلسازی برای داده های آموزش و آزمون به ترتیب برابر با 0/94 و 0/89 است. همچنین ضریب رگرسیون برای کل داده ها برابر با 0/93 است. بنابراین از مدل ارایه شده می توان با دقت بالا برای پیش بینی مدول برجهندگی مصالح اساس تثبیت شده تحت اثر سیکل های تر و خشک شدن استفاده نمود.

کلیدواژه ها

مدول برجهندگی، اساس تثبیت شده، سیکل های ذوب و یخبندان، شبکه عصبی GRNN

مقالات مرتبط جدید

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.