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

Prediction of FRP Contribution to the Shear Resistance of RC Beams Using Artificial Neural Networks

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۲۰۴ | نظرات: ۰
سرفصل ارائه مقاله: سازه و مکانیک کاربردی
سال انتشار: ۱۳۹۰
کد COI مقاله: NCCE06_0658
زبان مقاله: انگلیسی
حجم فایل: ۱۶۱.۲۲ 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 Prediction of FRP Contribution to the Shear Resistance of RC Beams Using Artificial Neural Networks

  H. Naderpour - Assistant Professor, Department of Civil Engineering, Semnan University
  A. Kheyroddin - Professor, Department of Civil Engineering, Semnan University
  M. K. Sharbatdar - Assistant Professor, Department of Civil Engineering, Semnan University
  G. Ghodrati Amiri - Professor, School of Civil Engineering, Iran University of Science and Technology

چکیده مقاله:

Shear strengthening of reinforced concrete (RC) beams using fiber-reinforced polymers (FRPs) has been studied intensively in the last decade, even if shear for simple RC beams is not actually fully understood. Three main configurations of FRP strengthening including side bonding, U-wrapping, and complete wrapping may be used for externally bonded reinforcement of RC beams. In the present study, the FRP contribution to the shear resistance of RC beams is predicted using available experimental data by applying artificial neural networks (ANNs). With known combinations of input and output data, the neural network can be trained to extract the underlying characteristics and relationships from the data.Then, when a separate set of input data is fed to the trained network, it will produce an approximate but reasonable output. Neural networks are highly nonlinear and can capture complex interactions among input/output variables in a system without any prior knowledge about the nature of these interactions. A database containing the results from more than 200 tests performed in different research institutions across the world was collected. Having parameters used as input nodes in ANN modeling such as beam dimensions, compressive strength of concrete, type of FRP fiber, ultimate tensile strength of FRP, angle of inclination of FRP fibers with respect to the horizontal axis and thickness of FRP, the target/outputnodes was shear contribution of FRP. The transfer functions were assumed to be Tan-sigmoid and Logsigmoid for hidden layers. The comparison of the new approaches with existing experimental data and available empirical models shows that the ANN model can accurately predict the shear contribution ofFRP.

کلیدواژه‌ها:

FRP, Artificial Neural Network, Shear Resistance, RC Beam

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:
http://www.civilica.com/Paper-NCCE06-NCCE06_0658.html
کد COI مقاله: NCCE06_0658

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:
Naderpour, H.; A. Kheyroddin; M. K. Sharbatdar & G. Ghodrati Amiri, ۱۳۹۰, Prediction of FRP Contribution to the Shear Resistance of RC Beams Using Artificial Neural Networks, ششمین کنگره ملی مهندسی عمران, سمنان, دانشگاه سمنان, http://www.civilica.com/Paper-NCCE06-NCCE06_0658.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: (Naderpour, H.; A. Kheyroddin; M. K. Sharbatdar & G. Ghodrati Amiri, ۱۳۹۰)
برای بار دوم به بعد: (Naderpour; Kheyroddin; Sharbatdar & Ghodrati Amiri, ۱۳۹۰)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز:
تعداد مقالات: ۷۰۸۳
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 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.