پیش بینی ظرفیت برشی تیرهای بتن آرمه تقویت شده توسط frp به روش شبکه های عصبی مصنوعی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,084

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCE07_0517

تاریخ نمایه سازی: 16 مهر 1392

چکیده مقاله:

استفاده ازمصالح کامپوزیتی FRP درمقاوم سازی یکی ازجدیدترین مباحث علمی درمهندسی عمران و سازه است تاکنون تحقیقات گسترده ای درخصوص بکارگیری موادمرکب به عنوان روکش ترمیم و تقویت سازه ها انجام گرفته است اما درسالهای اخیر بسیاری ازطرح های پیشنهادیدراین زمینه برای تقویت برشی تنها براساس تجزیه و تحلیل رگرسیون داده ها ازمایشگاهی بوده که بدست اوردن ارتباط واقعی بین پارامترهای درگیر برای ارایه یک سری معادلات تجربی را بسیارمشکل کرده است برای رفع این مشکل ما دراین مقاله باترکیب مباحث مقاوم سازی سازه ای با مباحث شبکه عصبی مصنوعی یک مدل شبکه عصبی مصنوعی برای پیش بینی ظرفیت برشی تیرهای بتن آرمه تقویت شده بوسیله کامپوزیت های fRP ایجاد نمودیم شبکه عصبی صمنوعی با پرسپترون چندلایه و الگوریتم پس انتشارخطا برای پیش بینی مقاومت برشی مورد استفاده قرارگرفت و برای تعیین بهترین ساختارشبکه عصبی هم ازدوساختار که اولی با یک لایه پنهان و دومی با دولایه پنهان ساخته شده مورد ارزیابی قرارگرفت درنهایت پس ازانتخاب بهترین ساختارشبکه عصبی و بدست آوردن نتایج مطلوب به تجزیه و تحلیل نتایج و مقایسه ان با فرمولهای تجربی موجود پرداخته شد نتایج نشان داد درمجموع ANN ازقدرت پیش بینی به مراتب بهتر وقویتری نسبت به معادلات و ایین نامه های تجربی موجود برخوردار است

کلیدواژه ها:

نویسندگان

مصطفی حسین پور

دانشجوی کارشناسی ارشد

حمیدرضا ناصری

استادیاردانشگاه بیرجند

حسین حسین پور

کارشناس ارشدمدیریت صنعتی

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 مقاله لینک شده اند :
  • قبائی سوق م، مساعدی ا.، حسام م.، هزارجریبی ا. 1389، ...
  • سازمان مدیریت و برنامه ریزی کشور، معاونت اور فنی دفتر، ...
  • مناج، م. ب. 1379. " مبانی شبکه های عصبی" انتشارات ...
  • Adhikarya.B., Mutsuyoshib. H (2006), _ Prediction of shear strength of ...
  • Mansour. M.Y, Dicleli. M, Lee. J.Y, Zhang. J (2004), "Predicting ...
  • Abdalla.J.A, Elsanosi.A and Abdelwahab.A (2007), "Modeling and simulation of shear ...
  • Flood.I, Muszynski.L, Nandy.S (2001), "Rapid analysis of externally reinforced concrete ...
  • Kasperkiewicz. J, Racz.J and Dubrawski.A (1995), "HPC strength prediction using ...
  • Yeh.I.C (1998), "Modeling concrete strength with augment -neuron networks" , ...
  • Guang.N.H and Zong.W.J (2000), "Prediction of compressive strength of concrete ...
  • Waszczyszyn .Z and Ziemianski.L (2001), "Neural networks in mechanics of ...
  • Wild.S, Bai.J, Ware. J.A and Sabir.B.B (2003), "Using neural networks ...
  • Hadi.M (2003), "Neural networks applications in concrete structures" , J. ...
  • Oreta.A.W.C and Kawashima. K(2003), "Neural network modeling of concrete compressive ...
  • Lee.S.C (2003), "Prediction of concrete strength using artificial neural networks" ...
  • Kim.J.I, Kim.D.K, Feng, M.Q and Yazdani. (2004), "Application of neural ...
  • Adhikarya.B., Mutsuyoshib. H (2004), "Artificial neural networks for the prediction ...
  • ACI 440, 2R-02 (2002), _ Guide for the design and ...
  • نمایش کامل مراجع