پیش بینی مقدار اسلامپ به عنوان یکی از پارامترهای اصلی کارایی دربتن های با مقاومت بالا به کمک مدلسازی شبکه عصبی مصنوعی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 913

فایل این مقاله در 7 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:

NCTOCE01_053

تاریخ نمایه سازی: 3 آذر 1392

چکیده مقاله:

بتن با مقاومت بالا به عنوان یکی از پارامترهای اساسی در تحلیل وطراحی سازه ها می باشدواز آنجا که این پارامتر خود متاثر از پارامترهایی چون کارایی ،مصالح موجود در بتن و..می باشد لذا کارایی بتن به عنوان یکی از عوامل مهم در دست یابی به بتنی که دارای مقاومت بالا باشد مطرح است و کارایی بتن به میزان اسلامپ و روانی بتن ساخته شده، بستگی دارد. تکثرپارامترهای تاثیرگذار در خواص بتن وارتباط عمدتا غیرخطیپارامترهای تاثیرگذار باخواص بتن و نیز زمان طولانی برای تعیین برخی از خواص بتن از عمده دلایل این امراست بارشد وتوسعه در علم بتن، دستیابی به یک مدل جهت پیش بینی وتخمین اثرات این تغییرات جهت صرفه جویی درانرژی وزمان می تواند اثر بخش باشد در همین راستا امروزه شبکه های عصبی مصنوعی به عنوان یک کلید سودمند در زمینه های مختلف مهندسی عمران بکار گرفت..بر همین اساس دراین مقاله مدلی از شبکه های عصبی مصنوعی در جهت تخمین اسلامپ برای بتن با مقاومت بالا ارائه گردیده که .متغیرهای طرح اختلاط در این تحقیق :سیمان ،خاکستر بادی،نسبت آب به موادسیمانی،مصالح سنگی ریزدانه ،درشت دانه و فوق روان کننده می باشد.ضمناجهت ساخت مدل شبکه عصبی از40 طرح اختلاط با 349 نمونه بتنی استفاده شده است. مدلسازی شبکه عصبی در نرم افزار مطلبMatlab) انجام گرفته وبا بکارگیری مدل مناسبی از شبکه عصبی مصنوعی ،اسلامپ بتن رابدون انجام نتایج آزمایشگاهی تخمین زد.ضمنا بر اساس نتایج بدست آمده از نتایج آموزش وارزیابی شبکه می توان گفت که این نتایج بسیارنزدیک به نتایج آزمایشگاهی می باشد. حسن اصلی این روش کارایی بالای آن در عمل بوده وبا سرعتزیاد می توان طرح اختلاط مناسبی ارائه داد. ضمنا با افزایش داده ها می توان شبکه را اصلاح نمود تا در آینده دقت وحوزه کاربرد آن هم بیشترشود

کلیدواژه ها:

شبکه های عصبی مصنوعی ، طرح اختلاط ، بتن با مقاومت بالا ، کارایی ، اسلامپ

نویسندگان

بهمن سبحانی

کارشناس ارشد سازه-مدرس دانشگاه فنی حرفه ای ابن حسام خراسان جنوبی

عفت اسماعیل زاده شهری

دانشجوی کارشناسی ارشد سازه واحد بین الملل دانشگاه فردوسی مشهد

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 :
  • سبحانی، بهمن.، طریقت، امیر.، (1390)، "مدلساز، " شبکه عصبی مصنوعی ...
  • Y.C. Yeh, Y.H.Kuo and D.H.Hsu, Building KBES for diagnostic PC ...
  • Patodi SC and Purani VS, Modeling Flexural Behavior of Steel ...
  • Patodi SC and Sushantasingh T, An Artificial neural network for ...
  • Mehmet Saltan, Mesult Tigdemir, Mustafa Karasahin, Artificial Neural Network for ...
  • Rafiqul Alam Tarefdar, Luther White and Musharraf Zaman, Neural Network ...
  • ement- solidified Wastes Using Neural ن 6. J.A. Stagemann and ...
  • Jung, H.C & Jamshid, G. 2001. Genetic Algorithm in Structural ...
  • Bigus, J.P (1996), Data Mining With Neural Networks: Solving Business ...
  • _ Hwang, C. L., Lee L. S. and Lin, F. ...
  • نمایش کامل مراجع