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 رشد مقاومتی ملات های فروسمنتی دارای نانوذرات سیلیس با بکارگیری شبکه های عصبی مصنوعی

سال انتشار: 1388
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

خرید و دانلود فایل مقاله

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

علیرضا خالو - استاد دانشکده مهندسی عمران، دانشگاه صنعتی شریف
پیام حسینی - مسئول واحد پژوهش و تحقیقات، انستیتو بتن و مصالح پیشرفته، مرکز تحقیقا
عباس بوشهریان - مسئول گروه پژوهشهای بنیادی، انستیتو بتن و مصالح پیشرفته، مرکز تحقیق
پیام حسینی - مسئول واحد پژوهش و تحقیقات انستیتو بتن و مصالح پیشرفته، مرکز تحقیقات

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 :

  • . حسینی، پ. و اسلامی، الف.، (1387)، "بهبود عملکرد سازه‌های ...
  • البرزی، محمود.، (1380)، " آشنائی با شبکه های عصبی"، دانشگاه ...
  • Shannag, M. J. Ziyyad, T.B., (2007), "Flexural response of ferrocement ...
  • ACI Committee 549, (1997), "State of the Art Report _ ...
  • ACI Committee 549-IR-93, (1988, 1993), "Guide for the Design, Construction ...
  • Naaman, A.E., (2000), "Ferrocement and laminated cementitious composites. Ann Arbor, ...
  • Mattone, R., (1992), "Ferrocement in low cost housing: _ application ...
  • Agarwal, S.K. and Irshad, M., (1991), "Effect of sup erplasticizer ...
  • Memon, N.A. Sumadi, S.R. Ramli, M., (2007), "Performance of high ...
  • Topgu, I.B. and Sardemir, M., (2007), "Prediction of properties of ...
  • Rafiq, M.Y. and Bugmann, G., Easterbrook, D.J., (2001), "Neural network ...
  • Mukherjee, A. and Biswas, S.N., (1997), " Artificial neural networks ...
  • Demir, F., (2008), "Prediction of elastic modulus of normal and ...
  • Adhikary, B.B. and Mutsuyoshi, H., (2006), "Prediction of shear strength ...
  • 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: دانشگاه دولتی
    تعداد مقالات: 13,269
    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