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

بررسی خرابی سازه ها با استفاده از الگوریتم هوش مصنوعی

تعداد صفحات: 11 | تعداد نمایش خلاصه: 213 | نظرات: 0
سال انتشار: 1397
کد COI مقاله: CAUCONF01_0628
زبان مقاله: فارسی
(فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

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.

قیمت این مقاله : 0 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بررسی خرابی سازه ها با استفاده از الگوریتم هوش مصنوعی

حسین افضلی - دانشجوی کارشناسی ارشد سازه بخش مهندسی عمران دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان،
پیمان ترک زاده - استادیار یخش مهندسی عمران دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان

چکیده مقاله:

یکی از روش های بررسی خرابی در سازه ها، استفاده از الگوریتم های هوش مصنوعی می باشد که توجه بسیاری از محققین را به خود جلب کرده اند. از همین رو در این تحقیق، جهت تشخیص خرابی ها در سیستم سازه ای، از الگوریتم هوش مصنوعی BidirectionalExtreme Learning Machine (BELM) جهت طراحی سیستم عیب یابی هوشمند سازه ها استفاده شده است. وظیفه این سیستم، شناسایی محل و شدت آسیب در سازه ها می باشد. آسیب در سازه ها توسط کاهش سختی، مدل شده و از تغییرات فرکانس های طبیعی سازه به عنوان ورودی این سیستم عیب یاب استفاده می گردد. برای مقایسه عملکرد و کارایی این سیستم، نتایج حاصل از آن با سیستم های مشابه دیگر نظیر Extreme Learning Machine (ELM) و Kernel Based Extreme Learning Machine (KELM) طی دو مثال عددی مورد بررسی قرار گرفته است که نتایج حاصله بیانگر دقت بالاتر الگوریتم BELM نسبت به دو هم خانواده دیگر خود یعنی ELM و KELM می باشد.

کلیدواژه ها:

خرابي سازه ها، محل و شدت آسيب، الگوريتم BELM، الگوريتم ELM، الگوريتم KELM

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/775732/

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:
افضلی، حسین و ترک زاده، پیمان،1397،بررسی خرابی سازه ها با استفاده از الگوریتم هوش مصنوعی،کنفرانس عمران,معماری و شهرسازی کشورهای جهان اسلام،تبریز،،،https://civilica.com/doc/775732

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: (1397، افضلی، حسین؛ پیمان ترک زاده)
برای بار دوم به بعد: (1397، افضلی؛ ترک زاده)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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: 15,093
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 پیشنهادی مرتبط

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