CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

تخمین خواص اساسی بتن سبکدانه سازه ای(LWAC) با استفاده از شبکه های عصبی مصنوعی (A.N.Ns) و روشهای آماری و مقایسه آنها

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۸۹۱ | نظرات: ۰
سرفصل ارائه مقاله: سازه
سال انتشار: ۱۳۸۶
نوع ارائه: شفاهی
کد COI مقاله: NCCE03_213
زبان مقاله: فارسی
حجم فایل: ۳۰۰.۳۳ کلیوبایت (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. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF 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 : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله تخمین خواص اساسی بتن سبکدانه سازه ای(LWAC) با استفاده از شبکه های عصبی مصنوعی (A.N.Ns) و روشهای آماری و مقایسه آنها

  تورج اق باشلو - کارشناس ارشد سازه دانشگاه صنعتی سهند تبریز
  حسن افشین - استادیار دانشکده عمران دانشگاه صنعتی سهند تبریز
  محمدرضا چناقلو (شناسه پژوهشگر - Researcher ID: ۱۳۹۰)
دانشیار دانشکده عمران دانشگاه صنعتی سهند تبریز

چکیده مقاله:

برای تخمین خواص بتن روشهای متعددی که عمدتا تجربی یا نیمه تجربی می باشند ارائه شده اند. اغلب این روشها همراه با خطا بوده و نیز در محیط فیزیکی کمتر قابل کنترل می باشند. در مورد بتن سبک دانه (LWAC) نیز نیاز به برآورد خواص این نوع بتن به عنوان یک ماده چند بعدی توسط مدلهای ریاضی و بیولوژیکی، تاثیر هر یک از اجزای اختلاط در تخمین خواص LWAC، زمان بر بودن انجام آزمایشات، لزوم انجام مکرر برخی از این آزمایشات برای همگرایی مطلوب و رابطه پیچیده ای که بین عوامل تاثیر گذار وجود دارد از جمله دلایلی هستند که استفاده از ابزار کارایی مثل شبکه های عصبی مصنوعی (Artifical Neural Networks) را ایجاب می کنند. ارائه مدلی برای پیش بینی مقاومت کوتاه مدت و دراز مدت به همراه روانی و وزن مخصوص LWAC مهمترین هدف این مقاله می باشد. در بخش شبکه های عصبی مصنوعی الگوریتم های متفاوت آموزشی پس- انتشار خطا با بردارهای وردی متفاوت و لایه میانی متغیر جهت الگوریتم و توپولوژی بهینه مورد استفاده قرار گرفته اند. تعداد 125 طرح اختلاط مختلف با مقادیر متفاوت سیمان، آب، فوق روان کننده .( SP)، میکروسیلیس .( SF) ، ریزدانه سبک و نیز سبک و نیز درشت دانه های سبک در آزمایشگاه بتن دانشگاه صنعتی سهند تبریز تهیه و کارایی، وزن مخصوص و مقاومت فشاری نمونه ها در سنین متفاوت اندازه گیری شده اند. از بین داده های آزمایشگاهی بصورت تصادفی تعداد محدودی برای کنترل کارایی شبکه انتخاب و بقیه برای آموزش شبکه بکار برده شده اند. پس از آموزش شبکه و کنترل کارایی آن و همچنین مشخص شدن اوزان تنظیمی نسبت به آنالیز حساسیت داده ها اقدام شده است. نتایج حاصل همخوانی بسیار مناسبی با مقادیر واقعی داده های آزمایشی دارند و نشانگر کارایی خوب شبکه های عصبی برای تخمین خواص بتن سبک دانه می باشند. از طرفی مقایسه نتایج شبکه های عصبی مصنوعی با نتایج تخمین زده شده با 6 مدل آماری نشانگر این مساله بود که شبکه های عصبی مصنوعی می توانند جایگزین خوبی برای مدلهای آماری در جهت تخمین خواص بتن بکدانه سازه ای باشند.

کلیدواژه‌ها:

شبکه های عصبی مصنوعی ، LWAC ، سبکدانه طبیعی ، مدل آماری ، آنالیز حساسیت ، پیش بینی خواص بتن

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-NCCE03-NCCE03_213.html
کد COI مقاله: NCCE03_213

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:
اق باشلو, تورج؛ حسن افشین و محمدرضا چناقلو، ۱۳۸۶، تخمین خواص اساسی بتن سبکدانه سازه ای(LWAC) با استفاده از شبکه های عصبی مصنوعی (A.N.Ns) و روشهای آماری و مقایسه آنها، سومین کنگره ملی مهندسی عمران، تبریز، دانشگاه تبریز، دانشکده فنی - مهندسی عمران، https://www.civilica.com/Paper-NCCE03-NCCE03_213.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: (اق باشلو, تورج؛ حسن افشین و محمدرضا چناقلو، ۱۳۸۶)
برای بار دوم به بعد: (اق باشلو؛ افشین و چناقلو، ۱۳۸۶)
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 :

  • منهاج، محمد باقر، مبانی شبکه های عصبی، انتشارات دانشگاه صنعتی ...
  • Flood, I., and Karatm, N., ،Neural Networks in Civil Engineering, ...
  • مهدیزاده، محمد باقر، شبکه های عصبی مصنوعی و کاربردهای آن ...
  • آق باشلو، تورج، تخمین خواص بتن سبکدانه سازه ای ساخته ...
  • Yeh, I.C., *Modeling Concrete Strength with Augment-N euron Networks?, Journal ...
  • Yeh, L.C., «Design of High -Performance Concrete Mixture Using Neural ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۵۵۰۹
    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.