سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

مدل سازی رفتار جانبی دیوارهای گهواره ای بتنی با استفاده از شبکه عصبی چند هدفه

Publish Year: 1399
Type: Journal paper
Language: Persian
View: 321

This Paper With 19 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

JR_ICS-5-2_008

Index date: 28 June 2021

مدل سازی رفتار جانبی دیوارهای گهواره ای بتنی با استفاده از شبکه عصبی چند هدفه abstract

دیوارهای گهواره ای بتنی به دلیل هزینه های خرابی و تعمیر کمتر، یک جایگزین مناسب برای دیوارهای برشی بتنی معمولی هستند. شناخت رفتار دقیق عناصر سازه ای به طور کلی با انجام آزمایشات جامع، که پرهزینه و زمان بر است، حاصل می شود. با توجه به مطالعات پیشین و روند پژوهش در زمینه دیوارهای گهواره ای، ضرورت ارائه یک مدل جامع به منظور طراحی دیده می شود. ارائه یک مدل تئوری جهت پیش بینی رفتار دیوارهای گهواره ای بتنی، که پارامترهای متنوعی را شامل شود، امری دشوار می باشد و محاسبه همزمان اثر آن پارامترها نیازمند یک مدل جامع است. ارائه چنین مدلی از طریق روش های کلاسیک یا عددی، به دلیل پیچیدگی مسئله یا دشواری های مدل سازی، نیازمند صرف زمان زیاد و محاسبات پیچیده است. اما حل این مسئله به وسیله روش های محاسبات نرم امکان ساده سازی و تسریع این محاسبات را فراهم می سازد. از این رو، این پژوهش با هدف ارائه یک مدل شبکه عصبی چند هدفه برای پیش بینی رفتار جانبی دیوارهای گهواره ای بتنی انجام شده است. برای ایجاد داده های مورد نیاز جهت مدل سازی، از نتایج آزمایشگاهی استفاده شد و تمام پارامترهای موثر بر ظرفیت باربری جانبی دیوارهای گهواره ای بتنی استخراج شد تا از آنها به عنوان پارامترهای ورودی استفاده شود. سرانجام، منحنی های بار جانبی-تغییر مکان و تار خنثی-تغییر مکان به عنوان پارامترهای خروجی پیش بینی شدند. علاوه بر این، دقت روابط موجود ارائه شده در آیین نامه های بتن بین المللی و توسعه یافته توسط محققان در پیش بینی مقاومت خمشی دیوارهای گهواره ای بتنی با استفاده از نتایج آزمایشات انجام شده بر روی این دیوارها بررسی شد. این پژوهش نشان می دهد که مدل شبکه عصبی چند هدفه با دقت قابل قبولی رفتار جانبی دیوارهای گهواره ای بتنی را پیش بینی می کند. این مدل قادر است سختی اولیه، سختی ثانویه، مقاومت بیشینه و ظرفیت دورانی را به درستی پیش بینی کند. مطابق با نتایج، روابط آیین نامه های طراحی بتن ایالات متحده (ACI ۳۱۸-۱۴)، نیوزیلند (NZS ۳۱۰۱) و استرالیا (AS ۳۶۰۰) مقاومت خمشی دیوارهای گهواره ای بتنی را در محدوده ۰.۵۹ تا ۰.۹۹ مقادیر واقعی پیش بینی می کنند. همچنین، آیین نامه طراحی بتن کانادا (CSA-A۲۳.۳) پیش بینی بسیار محافظه کارانه ای از مقاومت خمشی دیوارها ارائه می دهد. با وجود این، مدل شبکه عصبی چند هدفه پیش بینی های بسیار دقیقی را در مقایسه با آیین نامه های بررسی شده و عبارات موجود نشان داد.

مدل سازی رفتار جانبی دیوارهای گهواره ای بتنی با استفاده از شبکه عصبی چند هدفه Keywords:

دیوارهای گهواره ای بتنی , شبکه عصبی چند هدفه , پس کشیدگی , برآورد رفتار جانبی

مدل سازی رفتار جانبی دیوارهای گهواره ای بتنی با استفاده از شبکه عصبی چند هدفه authors

امیرعلی شاه منصوری

گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه مازندران، بابلسر، ایران

حبیب اکبرزاده بنگر

گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه مازندران، بابلسر، ایران

ابوذر جعفری

انستیتوی مشترک دانشگاه میشیگان و دانشگاه شانگهای جیائوتونگ، دانشگاه شانگهای جیائوتونگ، شانگهای، چین

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 :
Kurama Y, Sause R, Pessiki S, Lu L-W (۱۹۹۹). Lateral ...
Priestley MN, Sritharan S, Conley JR, Pampanin S (۱۹۹۹). Preliminary ...
Kurama YC, Sause R, Pessiki S, Lu L-W (۲۰۰۲). Seismic ...
Perez FJ, Sause R, Pessiki S (۲۰۰۷). Analytical and experimental ...
ACI Innovation Task Group ۵ (۲۰۰۷) Acceptance criteria for special ...
ACI Innovation Task Group ۵ (۲۰۰۹) Requirements for Design of ...
Hassani B, Jafari A (۲۰۱۲). An investigation on the seismic ...
Zandi Y, Sadeghi M, Jafari A, Keyhani A (۲۰۱۳). Effect ...
Jafari A, Ghasemi MR, Akbarzadeh Bengar H, Hassani B (۲۰۱۶). ...
Azadi Kakavand MR, Khanmohammadi M (۲۰۱۸). Seismic Fragility assessment of ...
Jafari A, Dugnani R (۲۰۱۸). Estimation of Load-Induced Damage and ...
Jafari A, Ghasemi MR, Bengar HA, Hassani B (۲۰۱۸). A ...
Jafari A, Ghasemi MR, Bengar HA, Hassani B (۲۰۱۸). Seismic ...
Ghoddusi M, Bakhshi H, Khosravi H (۲۰۱۹). Evaluation of seismic ...
Henry R (۲۰۱۱) Self-centering precast concrete walls for buildings in ...
ElGawady MA, Sha’lan A (۲۰۱۱). Seismic behavior of self-centering precast ...
Mattock AH, Yamazaki J, Kattula BT Comparative study of prestressed ...
Hassanli R (۲۰۱۹) Experimental Investigation of Unbonded Post-tensioned Masonry Walls. ...
Building Seismic Safety Council (۲۰۰۹) NEHRP Recommended Provisions for New ...
Aaleti S, Sritharan S (۲۰۰۹). A simplified analysis method for ...
Hassanli R, ElGawady MA, Mills JE (۲۰۱۶). Force–displacement behavior of ...
ACI ۳۱۸ (۲۰۱۹) Building Code Requirements for Structural Concrete and ...
NZS ۳۱۰۱ (۲۰۰۶) The design of concrete structures. Standards New ...
AS۳۶۰۰ (۲۰۰۹) Australian standard: concrete structures. Standards Australia International, Sydney, ...
Canadian Standards Association (۲۰۰۴) CAN CSA A۲۳. ۳-۰۴ Design of ...
Torkian H, Keshavarz Z (۲۰۱۸). Determining the drift in reinforced ...
Shahmansouri AA, Bengar HA, Jahani E (۲۰۱۹). Predicting compressive strength ...
Naderpour H, Nagai K, Fakharian P, Haji M (۲۰۱۹). Innovative ...
Shahmansouri AA, Akbarzadeh Bengar H, Ghanbari S (۲۰۲۰). Experimental investigation ...
Kanchidurai S, Krishnan P, Baskar K (۲۰۲۰). Compressive Strength Estimation ...
Shahmansouri AA, Bengar HA, Ghanbari S (۲۰۲۰). Compressive strength prediction ...
Hwang S-H, Mangalathu S, Shin J, Jeon J-S (۲۰۲۱). Machine ...
Naderpour H, Rafiean AH, Fakharian P (۲۰۱۸). Compressive strength prediction ...
Mangalathu S, Heo G, Jeon J-S (۲۰۱۸). Artificial neural network ...
Shahmansouri AA, Yazdani M, Ghanbari S, Bengar HA, Jafari A, ...
Abbaszadeh MA, Sharbatdar M (۲۰۲۰). Modeling of Confined Circular Concrete ...
Nematzadeh M, Shahmansouri AA, Zabihi R (۲۰۲۱). Innovative models for ...
Naderpour H, Fakharian P, Rafiean AH, Yourtchi E (۲۰۱۶). Estimation ...
Naderpour H, Fakharian P (۲۰۱۶). A synthesis of peak picking ...
Naderpour H, Fakharian P (۲۰۱۸). Predicting the torsional strength of ...
Azadi Kakavand MR, Allahvirdizadeh R (۲۰۱۹). Enhanced empirical models for ...
Jafari A, Johnson S (۲۰۱۹). The inherent power efficiency of ...
Abdulla NA (۲۰۲۰). Using the artificial neural network to predict ...
Bengar HA, Shahmansouri AA, Sabet NAZ, Kabirifar K, Tam VW ...
Azadi Kakavand MR, Taciroglu E (۲۰۲۰). An enhanced damage plasticity ...
Bengar HA, Shahmansouri AA (۲۰۲۰). A new anchorage system for ...
Naderpour H, Eidgahee DR, Fakharian P, Rafiean AH, Kalantari SM ...
Azadi Kakavand MR, Sezen H, Taciroglu E (۲۰۲۱). Data-Driven Models ...
Shahmansouri AA, Bengar HA, AzariJafari H (۲۰۲۱). Life cycle assessment ...
Feng D-C, Cetiner B, Azadi Kakavand MR, Taciroglu E (۲۰۲۱). ...
Shahmansouri AA, Nematzadeh M, Behnood A (۲۰۲۱). Mechanical properties of ...
Chatterjee S, Sarkar S, Hore S, Dey N, Ashour AS, ...
Moradi MJ, Hariri-Ardebili MA (۲۰۱۹). Developing a library of shear ...
Khaleghi M, Salimi J, Farhangi V, Moradi MJ, Karakouzian M ...
نمایش کامل مراجع