پیش بینی مقاومت فشاری بتن خودتراکم بادرنظرگرفتن تاخیر زمانی انتقال بتن به کمک شبکه عصبی GMDH

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 541

فایل این مقاله در 14 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:

AIHE10_059

تاریخ نمایه سازی: 5 بهمن 1395

چکیده مقاله:

بتن خودتراکم یکی ازانواع خاص بتن بوده که به منظور غلبه برمشکلات لرزاندن با قابلیت تغییرشکل و روانی زیاد درمکانهایی با حجم بالای ارماتور بدون جداشدگی و اب انداختگی جریان پیدا نموده و قالب را پرمی کند تاخیر زماین میتواند مقاومت فشاری بتن خودتراکم سخت شده را تحت تاثیر قرار دهد استفاده ازروشهای دقیق سریع و مطمئن برای پیش بینی تابع هدف مقاومت فشاری ضروری به نظر می رسد دراین تحقیق متغیرهای متعددی وجود دارد بررسی تاثیر متغیرها دریکدیگر و برتابع هدف بسیارسخت و امکان ناپذیر است ازاین رو پیش بینی مقاومت فشاری بتن خود تراکم باتمرکز برنقش تاخیر زمانی بااستفاده ازشبکه عصبی GMDH که یکی ازقوی ترین و پرکاربردترین انواع شبکه های عصبی درمدلسازی میب اشد انجام شده است همچنین دیگر متغیرهای تاثیرگذار نظیر جایگزین های سیمان زئولیت دوده سیلیس خاکستر پوسته برنج و ترکیبات آنها موادچسباننده سیمان ، جایگزین ها و غیره نسبت آب به موادچسباننده و کاهنده شدید آب مورد بررسی واقع شدند این مقاله براساس 145 داده بدست آمده ازپژوهشهای اخیر انجام شده است علاوه براین جریان اسلامپ نیز به منظور تحلیل مقادیر خروجی مورد بررسی قرار گرفته است نتایج نشان داد که ضریب همبستگی برای تابع هدف مقاومت فشاری بااستفاده ازروش GMDH 73% بدست می آید بعلاوه اینکه درتمامی موارد 98درصد مقاومت حداکثری درزمان انتقال 20 40 دقیقه حفظ شد

کلیدواژه ها:

بتن خودتراکم /زمان انتقال بتن /شبکه عصبی

نویسندگان

حمید توانا

دانشجوی کارشناسی ارشد عمران سازه

رحمت مدندوست

عضوهیئت علمی گروه عمران

علی جمالی

عضوهیئت علمی گروه مکانیک

مجید امیرعلی پور

دانشجوی دکتری مهندسی مکانیک تبدیل انرژی

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 :