CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

PREDICTION OF COMPRESSIVE STRENGTH OF COMPOSITE FIBER REINFORCED CONCRETE (FRC) USING ARTIFICIAL NEURAL NETWORK

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۳۶۲ | نظرات: ۰
سرفصل ارائه مقاله: دوام و ارزیابی
سال انتشار: ۱۳۸۸
کد COI مقاله: ICCD03_082
زبان مقاله: انگلیسی
حجم فایل: ۲۴۰.۳۷ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله PREDICTION OF COMPRESSIVE STRENGTH OF COMPOSITE FIBER REINFORCED CONCRETE (FRC) USING ARTIFICIAL NEURAL NETWORK

H.R .Ashrafi - Power and Water University of Technology, faculty member
  M Jalal - M.Sc. Student, Dept of civil Engg. School of Engg. Razi University, Kermanshah, Iran
  K Garmsiri - M.Sc. Student, Dept of mechanical Engg. School of Engg. Razi University, Kermanshah, Iran

چکیده مقاله:

Within the framework of studies on FRC, a series of tests were undertaken in the laboratory in order to better understand the behavior of FRC and composite fibers to characteristic loading. The results obtained in the tests vary according to the type and arrangement of fibers, the water content, the size of grains (grains size distribution) and percentage of composite fibers. Therefore, it is important to estimate the strength of concrete according to available data and in the case of lacking of enough experimental data. For this purpose, neural network technique was used to predict the strength of concrete based on mix proportions. At first the results of experimental tests carried out in PWUT laboratory on fiber reinforced concrete specimens are presented and then the missing experimental data and gaps
in compressive strength trends are predicted by back propagation method in neural network. It is worth mentioning that it can also be used to study the different mix parameters on concrete strength.

کلیدواژه‌ها:

neural network, back propagation, fiber reinforced concrete, composite fibers

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://www.civilica.com/Paper-ICCD03-ICCD03_082.html
کد COI مقاله: ICCD03_082

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:
.Ashrafi, H.R; M Jalal & K Garmsiri, ۱۳۸۸, PREDICTION OF COMPRESSIVE STRENGTH OF COMPOSITE FIBER REINFORCED CONCRETE (FRC) USING ARTIFICIAL NEURAL NETWORK, سومین کنفرانس بین المللی بتن و توسعه, تهران, مرکز تحقیقات ساختمان و مسکن, https://www.civilica.com/Paper-ICCD03-ICCD03_082.html

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: (.Ashrafi, H.R; M Jalal & K Garmsiri, ۱۳۸۸)
برای بار دوم به بعد: (.Ashrafi; Jalal & Garmsiri, ۱۳۸۸)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Adeli, H. (2001) Neural networks in civil engineering: 1989-2000, Computer- ...
  • Demuth H., Beale M. and Hagan M. (2006) Neural network ...
  • Flood, I. and Kartam, N. (1994) Neural networks in civil ...
  • Guang, N.H. and Zong, W.J. (2000) Prediction of compressive strength ...
  • Hajela, P. and Berke, L. (1991) Neurob iological computational models ...
  • Kim J.L., Kim D.K., Feng M.Q. and Yazdani F. (2004) ...
  • Yeh, I.C. (1998) Modeling concrete strength with au gment-neuron networks. ...
  • مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    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.