ترکیب الگوریتم های تکاملی و شبکه های عصبی مصنوعی جهت بهینه سازی دیوارهای برشی بتنی
محل انتشار: کنفرانس ملی علوم مهندسی، ایده های نو (۸)
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 856
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AIHE08_210
تاریخ نمایه سازی: 13 آبان 1393
چکیده مقاله:
دراین تحقیق هزینه های یک سیستم قاب بتنی مسطح متوسط به همراه دیوار برشی متوسط با استفاده از الگوریتم ژنتیک و شبکه های عصبی بهینه سازی شده است. با توجه به اینکه در ساختمان های بالای 10 طبقه بتنی جهت پایداری در مقابل نیروهای جانبی زلزله ناگزیر به استفاده از دیوار برشی می باشد ودیوار برشی باعث افزایش قیمت تمام شده ساخت می گردد. در این نوشتار سعی گردیده یک ساختمان 13 طبقه منظم که درشهر تهران ساخته می گردد را مورد بررسی قرار داده و بوسیله ترکیب الگوریتم ژنتیک و شبکه های عصبی دیوارهای برشی ساختمان را بهینه سازی نماییم. در این تحقیق سعی گردیده است که مدل های مختلفی از دیوارهای برشی ساخته شود و سپس داده های خروجی شامل هزینه های بتن و میلگرد بوسیله شبکه های عصبی انتشار برگشتی پیشرو مدل گردد و در قسمت آموزش شبکه عصبی تابع هدف الگوریتم ژنتیک تعریف گردد و درانتها ابعاد نهایی به عنوان بهترین طرح از میان مدل های مختلف که کلیه محدودیت ها را برآورده نماید توسط الگوریتم ژنتیک انتخاب گردد. بهینه سازی دیوار برشی یعنی بهینه نمودن بهترین ترکیب طول دیوار های برشی و به حداقل رساندن وزن میلگرد و بتن مصرفی دیوار برشی میباشد. این هزینه ها شامل هزینه های قالب بندی و حمل و نقل نمی شود.
کلیدواژه ها:
نویسندگان
موسی مظلوم
استادیار دانشکده مهندسی عمران، دانشگاه تربیت دبیر شهید رجایی
محمد نظری
دانشجوی کارشناسی ارشد سازه، دانشگاه تربیت دبیر شهید رجایی
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 :