CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی مقدار اسلامپ به عنوان یکی از پارامترهای اصلی کارایی دربتن های با مقاومت بالا به کمک مدلسازی شبکه عصبی مصنوعی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۵۲۸ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: NCTOCE01_053
زبان مقاله: فارسی
حجم فایل: ۱۵۳.۶۴ کیلوبایت (فایل این مقاله در ۷ 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 ۷ 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 مقدار اسلامپ به عنوان یکی از پارامترهای اصلی کارایی دربتن های با مقاومت بالا به کمک مدلسازی شبکه عصبی مصنوعی

بهمن سبحانی - کارشناس ارشد سازه-مدرس دانشگاه فنی حرفه ای ابن حسام خراسان جنوبی
  عفت اسماعیل زاده شهری - دانشجوی کارشناسی ارشد سازه واحد بین الملل دانشگاه فردوسی مشهد

چکیده مقاله:

بتن با مقاومت بالا به عنوان یکی از پارامترهای اساسی در تحلیل وطراحی سازه ها می باشدواز آنجا که این پارامتر خود متاثر از پارامترهایی چون کارایی ،مصالح موجود در بتن و..می باشد لذا کارایی بتن به عنوان یکی از عوامل مهم در دست یابی به بتنی که دارای مقاومت بالا باشد مطرح است و کارایی بتن به میزان اسلامپ و روانی بتن ساخته شده، بستگی دارد. تکثرپارامترهای تاثیرگذار در خواص بتن وارتباط عمدتا غیرخطیپارامترهای تاثیرگذار باخواص بتن و نیز زمان طولانی برای تعیین برخی از خواص بتن از عمده دلایل این امراست بارشد وتوسعه در علم بتن، دستیابی به یک مدل جهت پیش بینی وتخمین اثرات این تغییرات جهت صرفه جویی درانرژی وزمان می تواند اثر بخش باشد در همین راستا امروزه شبکه های عصبی مصنوعی به عنوان یک کلید سودمند در زمینه های مختلف مهندسی عمران بکار گرفت..بر همین اساس دراین مقاله مدلی از شبکه های عصبی مصنوعی در جهت تخمین اسلامپ برای بتن با مقاومت بالا ارائه گردیده که .متغیرهای طرح اختلاط در این تحقیق :سیمان ،خاکستر بادی،نسبت آب به موادسیمانی،مصالح سنگی ریزدانه ،درشت دانه و فوق روان کننده می باشد.ضمناجهت ساخت مدل شبکه عصبی از40 طرح اختلاط با 349 نمونه بتنی استفاده شده است. مدلسازی شبکه عصبی در نرم افزار مطلبMatlab) انجام گرفته وبا بکارگیری مدل مناسبی از شبکه عصبی مصنوعی ،اسلامپ بتن رابدون انجام نتایج آزمایشگاهی تخمین زد.ضمنا بر اساس نتایج بدست آمده از نتایج آموزش وارزیابی شبکه می توان گفت که این نتایج بسیارنزدیک به نتایج آزمایشگاهی می باشد. حسن اصلی این روش کارایی بالای آن در عمل بوده وبا سرعتزیاد می توان طرح اختلاط مناسبی ارائه داد. ضمنا با افزایش داده ها می توان شبکه را اصلاح نمود تا در آینده دقت وحوزه کاربرد آن هم بیشترشود

کلیدواژه‌ها:

شبکه های عصبی مصنوعی، طرح اختلاط، بتن با مقاومت بالا، کارایی، اسلامپ

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-NCTOCE01-NCTOCE01_053.html
کد COI مقاله: NCTOCE01_053

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:
سبحانی, بهمن و عفت اسماعیل زاده شهری، ۱۳۹۲، پیش بینی مقدار اسلامپ به عنوان یکی از پارامترهای اصلی کارایی دربتن های با مقاومت بالا به کمک مدلسازی شبکه عصبی مصنوعی، کنفرانس ملی تکنیکهای نوین محاسباتی و بهینه سازی در مهندسی عمران، سقز، دانشگاه آزاد اسلامی واحد سقز، https://www.civilica.com/Paper-NCTOCE01-NCTOCE01_053.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: (سبحانی, بهمن و عفت اسماعیل زاده شهری، ۱۳۹۲)
برای بار دوم به بعد: (سبحانی و اسماعیل زاده شهری، ۱۳۹۲)
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 :

  • Y.C. Yeh, Y.H.Kuo and D.H.Hsu, Building KBES for diagnostic PC ...
  • Patodi SC and Purani VS, Modeling Flexural Behavior of Steel ...
  • Patodi SC and Sushantasingh T, An Artificial neural network for ...
  • Mehmet Saltan, Mesult Tigdemir, Mustafa Karasahin, Artificial Neural Network for ...
  • Rafiqul Alam Tarefdar, Luther White and Musharraf Zaman, Neural Network ...
  • ement- solidified Wastes Using Neural ن 6. J.A. Stagemann and ...
  • Jung, H.C & Jamshid, G. 2001. Genetic Algorithm in Structural ...
  • Bigus, J.P (1996), Data Mining With Neural Networks: Solving Business ...
  • _ Hwang, C. L., Lee L. S. and Lin, F. ...
  • سبحانی، بهمن.، طریقت، امیر.، (۱۳۹۰)، "مدلساز، " شبکه عصبی مصنوعی ...
  • 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.