ارزیابی مقاومت برشی تیرهای بتن مسلح لاغر حاوی بتن با مقاومت معمولی با استفاده از شبکه های عصبی مصنوعی

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 447

This Paper With 18 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_ICS-4-2_012

تاریخ نمایه سازی: 8 تیر 1399

Abstract:

ارزیابی مقاومت نهایی برشی تیرهای بتن مسلح به دلیل فرضیات بسیار زیاد در براورد فرمول های ارائه شده در آیین نامه ها، یک موضوع بسیار مهم تلقی می شود. از طرفی محاسبه دقیق مقاومت برشی تیرهای بتن مسلح هم در زمان طراحی و هم در موارد مقاوم سازی از مهم ترین پارامترها می باشد. مقایسه مقاومت برشی آزمایش های موجود و فرمول بندی ارائه شده توسط آیین نامه ها اختلاف زیادی را نشان می دهد. در مقاله حاضر مدل شبکه عصبی مصنوعی به صورت یک روش قابل اطمینان برای شبیه­سازی و تعیین مقاومت برشی تیرهای بتن مسلح لاغر توسعه داده شده است. بدین منظور تاثیر پارامترهای مختلف بر مقاومت برشی تیرهای بتن مسلح لاغر از جمله عمق موثر، عرض تیر، دهانه­ی برش، مقاومت تسلیم آرماتور برشی و کششی، مقاومت فشاری بتن و مقدار آرماتور برشی ارزیابی شده است. هم چنین مطالعه­ای عددی با هدف تحلیل و بررسی پارامترهای مورد استفاده در شبکه ­انجام داده شده است. سرانجام یک رابطه تجربی با دقت مناسب برای تعیین مقاومت برشی تیرهای بتن مسلح لاغر با استفاده از شبکه­های عصبی مصنوعی بدست آمده است و در نهایت نتایج بدست آمده با آیین­نامه­های معتبر دنیا مقایسه شده است. هم چنین مقایسه­ی مقاومت برشی آزمایشگاهی با آیین­نامه­های مختلف و مدل پیشنهادی توسط شبکه­های عصبی مصنوعی، نشان می­دهد که مدل پیشنهاد شده از عملکرد مناسبی برخوردار است.  

Keywords:

تیرهای بتن مسلح لاغر , شبکه های عصبی مصنوعی , مقاومت (نهایی) برشی , آیین نامه ها

Authors

یاسر شریفی

دانشیار،دانشکده فنی مهندسی، دانشگاه ولی عصر رفسنجان

عادل مقبلی

کارشناسی ارشد سازه، دانشکده فنی مهندسی، دانشگاه ولی عصر رفسنجان

مهدیه رحمتیان

عمران- علامه جعفری

خداداد مقبلی

سازمان راهداری و حمل و نقل جاده ای

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • 1[ مرتضایی، ع. و خیرالدین، ع. مدل سازی و تخمین ...
  • 2[ شریفی، ی.، محمدی، ن. و مقبلی، ع. ارزیابی مقاومت ...
  • 3[ شریفی، ی.، محمدی، ن. و مقبلی، ع. ارزیابی مقاومت ...
  • Russo, G., Mitri, D., & Pauletta, M. (2013). Shear strength ...
  • Gaetano R., Denis M., and Margherita P. Shear strength design ...
  • Yoshida Y. Shear reinforcement for large lightly reinforced concrete members. ...
  • Karayannis CG, Chalioris CE, Mavroeidis PD. Shear capacity of RC ...
  • Cao, S. Size effect and the influence of longitudinal reinforcement ...
  • Tohidi, S. and Sharifi Y. (2015). Empirical modeling of distortional ...
  • Tohidi, S. and Sharifi, Y. (201). Neural networks for inelastic ...
  • Tohidi, S. and Sharifi, Y. (2014). Inelastic lateral-torsional buckling capacity ...
  • Sharifi, Y. and Tohidi, S. (2014). Lateral-torsional buckling capacity assessment ...
  • Sharifi Y, Tohidi S. (2014). Ultimate Capacity Assessment of Web ...
  • Tohidi, S. and Sharifi, Y. (2014). A new predictive model ...
  • Tohidi, S. and Sharifi, Y. (2014). Load-carrying capacity of locally ...
  • Sharifi Y., Hosseinpour M., Moghbeli A., Sharifi H. (2019). Lateral ...
  • Sharifi Y., Moghbeli A., Hosseinpour M., Sharifi H. (2019). Study ...
  • Sharifi Y., Moghbeli A., Hosseinpour M., Sharifi H. (2019). Neural ...
  • Sharifi Y., Moghbeli A. (2019). Stepwise Regression for shear capacity ...
  • Hosseinpour M., Sharifi H., Sharifi Y. (2019). Stepwise regression modeling ...
  • Sharifi Y., Hosseinpour M. (2019). Adaptive neuro-fuzzy inference system and ...
  • Sharifi Y., Lotfi F., Moghbeli A. (2019). Compressive strength prediction ...
  • Code, S.B., )2005). Building Code Requirements for Structural Concrete (ACI ...
  • Australian Standard, A.S., (2001). AS 3600 2001: Concrete Structures. Standards ...
  • National Building Regulations (1392); Topic 9: Design and Implementation of ...
  • Canadian Standards, (2014). CSA, Design of Concrete Structures A23.3-14, Canadian ...
  • Garson, G. D. Interpreting neural-network connection weights, AI Expert, 1991, ...
  • نمایش کامل مراجع