CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی مقاومت فشاری و بهینه یابی میزان مصرف الیاف در بتن الیاف پلیمری با استفاده از شبکه های عصبی مصنوعی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۲۶ | تعداد نمایش خلاصه: ۲۸۷ | نظرات: ۰
سال انتشار: ۱۳۹۳
کد COI مقاله: MTMAYBOD02_074
زبان مقاله: فارسی
حجم فایل: ۸۰۳.۱۲ کیلوبایت (فایل این مقاله در ۲۶ 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 ۲۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی مقاومت فشاری و بهینه یابی میزان مصرف الیاف در بتن الیاف پلیمری با استفاده از شبکه های عصبی مصنوعی

    حسنعلی مسلمان یزدی - استاد یار فوق دکتری هوش مصنوعی، کارشناس ارشد زلزله، کارشناس ارشد زلزله، دانشگاه آزاد اسلامی واحد میبد
  محمود غلاملو - استاد یار فوق دکتری هوش مصنوعی، کارشناس ارشد زلزله، کارشناس ارشد زلزله، دانشگاه آزاد اسلامی واحد میبد
  حمیدرضا نفری شلمزاری - استاد یار فوق دکتری هوش مصنوعی، کارشناس ارشد زلزله، کارشناس ارشد زلزله، دانشگاه آزاد اسلامی واحد میبد

چکیده مقاله:

مشکلی که بتن همواره با آن درگیر بوده تردی و شکنندگی و عدم قدرت باربری بعد از ترک خوردگی و درنتیجه طاقت و قدرت جذب انرژی پایین آن است. یکی از روشهای افزایش طاقت و قدرت جذب انرژی بتن، مسلحکردن آن به الیاف پلیمری می باشد. در طراحی ها، هریک از مواد تشکیل دهنده بتن بصورت یک پارامتر در نظر گرفتهمیشود در حالیکه هر یک ازاین مواد دارای ابعاد گوناگونی میباشند. بطور مثال، سیمان ها دارای مقاومت، نرمی وترکیبات شیمیایی متفاوتی هستند. ریزدانه ها و درشت دانه ها، اندازه و جنس های متفاوتی دارند و یا ممکن استشکسته یا طبیعی باشند. در سالهای اخیر، مواد جدید وفن آوری های ساخت نوین در بتن بوجود آمده که تعدادپارامترهای موثر در طرح اختلاط بتن را تا دو برابر افزایش میدهد مانند میکروسیلیس ها و الیاف ها که هر کدام درانواع مختلف وجود دارند. تعدد پارامترهای موثر نتیجتا مسئله تعیین طرح اختلاط بتن را به یک مسئله برای جستجو درفضای 10 الی 20 متغیری (پارامتر موثری) تبدیل خواهد کرد. بر این اساس مدل هایی مبتنی بر شبکه های عصبیمصنوعی ساخته شده از داده های آزمایشگاهی مورد توجه محققین شاخه های گوناگون قرار گرفته است. دلیل عمده اینتوجه آن است که بر خلاف روشهای کلاسیک موجود در تئوری های آماری، شبکه های عصبی به هیچ مدل یا تابعمشخص به همراه فرضیات محدود کننده برای خطی کردن مسئله نیاز ندارد. در این پژوهش با استفاده از شبکه هایعصبی و ترکیب آن با الگوریتم اجتماع ذرات PSO مدلی بمنظور پیش بینی مقاومت فشاری بتن الیاف پلیمری ارائه گشته که قادر است مقاومت فشاری 28 روزه بتن الیاف پلیمری را با دقت مناسبی پیش بینی نموده و میزان بهینهمصرف الیاف را مشخص نماید. پیش بینی مقاومت فشاری بتن الیاف پلیمری بر اساس مدل های شبکه عصبیمصنوعی بدون نیاز به انجام هیچگونه مطالعات آزمایشگاهی سبب صرفه جویی هزینه ها به مقدار بسیار زیادی درپروژه ها می گردد.

کلیدواژه‌ها:

بتن الیاف پلیمری، شبکه های عصبی مصنوعی، مقاومت فشاری، مدل سازی، الگوریتم اجتماع ذرات PSO

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-MTMAYBOD02-MTMAYBOD02_074.html
کد COI مقاله: MTMAYBOD02_074

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:
مسلمان یزدی, حسنعلی؛ محمود غلاملو و حمیدرضا نفری شلمزاری، ۱۳۹۳، پیش بینی مقاومت فشاری و بهینه یابی میزان مصرف الیاف در بتن الیاف پلیمری با استفاده از شبکه های عصبی مصنوعی، دومین همایش ملی مصالح ساختمان و فناوری های نوین در صنعت ساختمان، میبد یزد، دانشگاه آزاد اسلامی واحد میبد، https://www.civilica.com/Paper-MTMAYBOD02-MTMAYBOD02_074.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: (مسلمان یزدی, حسنعلی؛ محمود غلاملو و حمیدرضا نفری شلمزاری، ۱۳۹۳)
برای بار دوم به بعد: (مسلمان یزدی؛ غلاملو و نفری شلمزاری، ۱۳۹۳)
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 :

  • _ اسماعیلی، م. قهاری، ع. ۱۳۹۱، بررسی آزمایشگاهی تاثیر الیاف ... (مقاله ژورنالی)
  • . حبیبی، س. نیلفروش زاده، ح. قربانی شبستری، س. ۱۳۸۹، ... (مقاله ژورنالی)
  • رئوفی، م. تاج مهر، و. ۱۳۸۹، بررسی اثر الیاف پلی ... (مقاله کنفرانسی)
  • تخمین مقاومت فشاری بتن با استفاده از شبکه عصبی مصنوعی [مقاله کنفرانسی]
  • پیش بینی مقاومت فشاری بتن با مقاومت بالا با استفاده ازشبکه های عصبی تابع بنیادی شعاعی (RBF) و پس انتشار خطا (BP) [مقاله کنفرانسی]
  • . وثوقی فر، ح. منصوری، ع. خلیلی خرم، و. ۱۳۸۸، ... [مقاله کنفرانسی]
  • .Mohammed, M.H., et al., Design of Concrete Mixes by Systematic ...
  • .Paratibha, A., et al., Prediction Of Slup And Compressive Strength ...
  • 0].U, T. and G. Jr, Influence of Polymer Fiber on ...
  • 1.Nibudey, R.N, et al., Strengths Prediction of Plastic fiber Reinforced ...
  • 2].Kennedy, J., Particle Swarm optimization, in Encyclopedia of Machine Learning. ...
  • . Minsky M & Pappert S. Perceptrons. Cambridge, MA, MIT ...
  • 4]. Rosenblatt, F "The Perceptron: a Probabilisto Model for Information ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۳۱۶۴
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    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.