سال انتشار: 1388
محل انتشار: نخستین کنفرانس بین المللی بتن
کد COI مقاله: ICCT01_140
زبان مقاله: فارسیمشاهد این مقاله: 1,387
فایل این مقاله در 8 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 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
مشخصات نویسندگان مقاله پیش بینی رشد مقاومتی ملات های فروسمنتی دارای نانوذرات سیلیس با بکارگیری شبکه های عصبی مصنوعی
چکیده مقاله:
با رشد و توسعه بکارگیری مصالح و روشهای مختلف در علم بتن، دستیابی به یک مدل جهت پیش بینی و تخمین اثرات این تغییرات جهت صرفه جویی در انرژی و زمان می توان اثربخش باشد. در همین راستا امروزه شبکه های عصبی مصنوعی به عنوان یک کلید سودمند در زمینه های گوناگون مهندسی عمران به کار گرفته شود. از طرف دیگر، توجه و تمرکز برروی عملکرد نانوذرات نیز در بسیاری از رشته ها فزونی یافته است. علاوه بر این فروسمنت به عنوان یک نوع خاص از دیوارهای کم ضخامت بتن مسلح مطرح می باشد که به طور کلی از ملات سیمان ساخته می شود و با توجه به عدم نیاز به مهارت خاص جهت ساخت و ویژگی های منحصر به فرد آن، در زمینه های گوناگون کاربرد یافته است. برهمین اساس، در این مقاله مدلی از شبکه های عصبی مصنوعی درجهت تخمین مقاومت فشاری 3 و 7 و 28 روزه ملاتهای دارای نانوذرات و فوق روان کننده بکار گرفته شد. متغیرهای طرح های اختلاط شامل سه نسبت آب به سیمان مختلف (0/5،0/4،0/35) چهار نسبت مختلف جایگزینی نانوذرات سیلیس (3%،2%،1%،0%) می باشند. جهت ساخت مدل آموزش و ارزیابی از نتایج 24 طرح اختلاط بهره گرفته شد. به طوری که 75% این نتایج جهت آموزش شبکه و 25% باقیمانده جهت ارزیابی عملکرد شبکه مورد استفاده قرار گرفتند. برنامه در نرم افزار MATLAB به اجرا در آمد. سپس اطلاعات طرح های اختلاط و متغیرهای شبکه در چهار لایه ورودی شامل نسبت ماسه به مواد سیمانی، درصد افزودن نانوذرات، نسبت آب به مواد سیمانی، و مقدار افزودن فوق روان کننده وارد گردید. علاوه بر این، در جهت افزایش عملکرد شبکه عهصبی مصنوعی، آنالیز اجزای اصلی صورت پذیرفت. از دیگر مزایای این اقدام حذف وابستگی متغیرها و همچنین حذف متغیری که کارآمدی آن کمتر است می باشد. لذا می توان نتیجه گرفت که با بکارگیری مدل مناسبی از شبکه های عصبی مصنوعی، ویژگی های سایر ملات های سیمانی مشابه بدون انجام تست های آزمایشگاهی قابل تخمین خواهد بود براساس نتایج بدست آمده از آموزش و ارزیابی شبکه می توان گفت که این نتایج بسیار نزدیک به نتایج آزمایشگاهی می باشند.
کلیدواژه ها:
پيش بيني مقاومت، ملات فروسمنتي، نانوذرات سيليس، شبكه عصبي مصنوعي
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/76628/
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:خالو، علیرضا و حسینی، پیام و بوشهریان، عباس و حسینی، پیام،1388،پیش بینی رشد مقاومتی ملات های فروسمنتی دارای نانوذرات سیلیس با بکارگیری شبکه های عصبی مصنوعی،نخستین کنفرانس بین المللی بتن،تبریز،،،https://civilica.com/doc/76628
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: (1388، خالو، علیرضا؛ پیام حسینی و عباس بوشهریان و پیام حسینی)
برای بار دوم به بعد: (1388، خالو؛ حسینی و بوشهریان و حسینی)
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
- INTRODUCTION AND DISCUSSION OF POST-EARTHQUAKE QUICK INSPECTION METHOD FOR DAMAGED BUILDINGS IN JAPAN
- ENERGY ABSORPTION AND INELASTICITY DISTRIBUTION MECHANISMS IN STEEL MOMENT FRAMES AFFECTED BY MAINSHOCK-AFERSHOCK SEQUENCES
- EVALUATION OF FEMA P-58 METHOD FOR ESTIMATING RESIDUAL DRIFT DEMANDS IN BUCKLING RESTRAINED BRACED FRAMES
- INEXPENSIVE DAMAGE DETECTION OF CABLE-STAYED BRIDGES USING SIGNAL PROCESSING AND MACHINE LEARNING
- VERIFYING THE CHOICE OF NUMERICAL MODEL OF A BUILDING BY IN SITU INVESTIGATION AFTER REALIZATION
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.