ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

DEVELOPING AN INNOVATIVE MODEL TO ESTIMATE THE SERVICE LIFE OF REINFORCED CONCRETE STRUCTURES IN THE PERSIAN GULF USING ARTIFICIAL NEURAL NETWORK

تعداد صفحات: 2 | تعداد نمایش خلاصه: 123 | نظرات: 0
سال انتشار: 1395
کد COI مقاله: ICOPMAS12_032
زبان مقاله: انگلیسی
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله منتشر نشده و در پایگاه سیویلیکا موجود نمی باشد.

منبع مقالات سیویلیکا دبیرخانه کنفرانس ها و مجلات می باشد. برخی دبیرخانه ها اقدام به انتشار اصل مقاله نمی نمایند.به منظور تکمیل بانک مقالات موجود چکیده این مقالات در سایت درج می شوند ولی به دلیل عدم انتشار اصل مقاله امکان ارائه آن وجود ندارد.

خرید و دانلود فایل مقاله

متن کامل (فول تکست) این مقاله منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد.

مشخصات نویسندگان مقاله DEVELOPING AN INNOVATIVE MODEL TO ESTIMATE THE SERVICE LIFE OF REINFORCED CONCRETE STRUCTURES IN THE PERSIAN GULF USING ARTIFICIAL NEURAL NETWORK

Ali Shojaei - M.Sc Graduated student in Construction Engineering and Management, Faculty of Civil Engineering, University of Tehran, Tehran, Iran,
Amir Mohammad Ramezanianpour - Assistant Professor, Faculty of Civil Engineering, University of Tehran, Tehran, Iran
Ali Akbar Ramezanianpour - Professor, Faculty of Civil and Environmental Engineering, Amirkabir University of Technology, Tehran, Iran,

چکیده مقاله:

One of the main causes of deterioration of reinforced concrete structures exposed to marine environments is steel corrosion due to chloride penetration into concrete. Studies and research in the field of durability models must be based on the special environmental conditions such as temperature, temperature changes, humidity, wind, and locally consumed materials such as cement, additives, pozzolan, etc. On the other hand, using foreign models can be misleading and result in poor decisions due to incompatibility with our country’s environmental condition. Based on the significant role of environmental conditions, in the present study, modeling was conducted using data from research sites located in the Persian Gulf in order to improve of the accuracy of the model in estimating the service life of reinforced concrete structures in this region. According to local investigations and examination of structures constructed in different parts of the Persian Gulf, it seems that the effect of environmental conditions of various regions of the Persian Gulf on the durability of concrete is very different [1]. In order to assess concrete durability in these conditions and develop a comprehensive model, it is necessary to consider the results of research in various areas of the region, and results of tests in a particular area are not sufficient. Therefore, results obtained from several research sites in this region were collected and used in this study.

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/814869/

کد COI مقاله: ICOPMAS12_032

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:
Shojaei, Ali و Ramezanianpour, Amir Mohammad و Ramezanianpour, Ali Akbar,1395,DEVELOPING AN INNOVATIVE MODEL TO ESTIMATE THE SERVICE LIFE OF REINFORCED CONCRETE STRUCTURES IN THE PERSIAN GULF USING ARTIFICIAL NEURAL NETWORK,دوازدهمین همایش بین المللی سواحل، بنادر و سازه های دریایی,تهران,,,https://civilica.com/doc/814869

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: (1395, Shojaei, Ali؛ Amir Mohammad Ramezanianpour و Ali Akbar Ramezanianpour)
برای بار دوم به بعد: (1395, Shojaei؛ Ramezanianpour و Ramezanianpour)
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

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: 55,951
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