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 رشدمقاومتی ملات های فروسمنتی دارای نانوذرات سیلیس بابکارگیری شبکه های عصبی مصنوعی

سال انتشار: 1388
کد COI مقاله: ICSR02_148
زبان مقاله: فارسیمشاهد این مقاله: 87
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 رشدمقاومتی ملات های فروسمنتی دارای نانوذرات سیلیس بابکارگیری شبکه های عصبی مصنوعی

علیرضا خالو - استاد دانشکده مهندسی عمران، دانشگاه صنعتی شریف
پیام حسینی - مسیول واحد پژوهش تحقیقات، انستیتو بتن مصالح پیشرفته، مرکز تحقیقات فناوری های پیشرفته طلوع، دانشگاه صنعتی شریف
مجید دلکش - کارشناس، انستیتو بتن مصالح پیشرفته، مرکز تحقیقات فناوری های پیشرفته طلوع، دانشگاه صنعتی شریف
عباس بوشهریان - مسیول گروه پژوهش های بنیادی، انستیتو بتن مصالح پیشرفته، مرکز تحقیقات فناوری های پیشرفته طلوع، دانشگاه صنعتی شریف

چکیده مقاله:

با رشد توسعه بکار گیری مصالح روش های مختلف در علم بتن، دستیابی به یک مدل جهت پیش بینی تخمین اثرات این تغییرات جهت صرفه جویی در انرژی زمان می توان اثربخش باشد. در همین راستا امروزه شبکه های عصبی مصنوعی به عنوان یک کلید سودمند در زمینه های گوناگون مهندسی عمران بکار گرفته می شود. از طرف دیگر، توجه تمرکز بر روی 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 با توجه به عدم نیاز به مهارت خاص جهت ساخت ویژگی های منحصر بفرد آن در زمینه های گوناگون کاربرد یافته است. بر همین اساس، در این مقاله مدلی از شبکه های عصبی مصنوعی در جهت تخمین مقاومت فشاری 3، 28 روزه ملات های دارای نانوذرات فوق روان کننده بکار گرفته شد. متغیرهای طرح های اختلاط شامل سه نسبت آب به سیمان مختلف 35، 5)، چهار نسبت مختلف جایگزینی نانوذرات سیلیس (0%، 1، 3%) می باشند. جهت ساخت مدل آموزش ارزیابی از نتایج 24 طرح اختلاط بهره گرفته شد. به طوری که 75% این نتایج جهت آموزش شبکه 25% باقی مانده جهت ارزیابی عملکرد شبکه مورد استفاده قرار گرفتند. برنامه در نرم افزار MATALB به اجرا در آمد. سپس، اطلاعات طرحهای اختلاط متغیرهای شبکه در چهار لایه ورودی شامل نسبت ماسه به مواد سیمانی، درصد افزودن نانو ذرات، نسبت آب به مواد سیمانی مقدار افزودن فوق روان کننده وارد گردید. علاوه بر این، در جهت افزایش عملکرد شبکه عصبی مصنوعی، آنالیز اجزای اصلی صورت پذیرفت. از دیگر مزایای این اقدام حذف وابستگی متغیرها همچنین حذف متغیری که کار آمدی آن کمتر است می باشد. لذا می توان نتیجه گرفت که با بکار گیری مدل مناسبی از شبکه های عصبی مصنوعی، ویژگی های سایر ملات های سیمانی مشابه بدون انجام تست های آزمایشگاهی قابل تخمین خواهد بود. بر اساس نتایج بدست آمده از آموزش 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/844792/

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 دلکش، مجید و بوشهریان، عباس،1388،پیش بینی رشدمقاومتی ملات های فروسمنتی دارای نانوذرات سیلیس بابکارگیری شبکه های عصبی مصنوعی،دومین کنفرانس بین المللی مقاوم سازی لرزه ای،تبریز،،،https://civilica.com/doc/844792

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 مجید دلکش و عباس بوشهریان)
برای بار دوم به بعد: (1388، خالو؛ حسینی و دلکش و بوشهریان)
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: 13,246
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