جستجوی بهترین مدل های معماری در شبکه عصبی برای مدلسازی پارامترهای مکانیکی نرمال شده بتن
Publish place: Transportation Research Journal، Vol: 18، Issue: 3
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 573
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TRJ-18-3_004
تاریخ نمایه سازی: 12 مهر 1400
Abstract:
در این پژوهش به منظور ارزیابی عملکرد شبکه عصبی، از دو مدل شبکه عصبی MLP و شبکه عصبی RBF در راستای پیش بینی مقاومت های خمشی، کششی و فشاری استفاده شد. داده های مورد استفاده، از نتایج مدلهای برازش شده بر نتایج آزمایشات انجام شده بر روی نمونههای بتن غلتکی حاوی مقادیر مختلف خرده لاستیک بازیافتی، خاکستر بادی و نانوسیلیس بر اساس آزمایشات مقاومت فشاری، خمشی و کششی گرفته شده است. انواع مختلفی از شبکههای عصبی مصنوعی برای پیش بینی انواع مقاومت بتن استفاده شدهاند. در هر قسمت ساختار شبکه عصبی مورد استفاده به همراه جدول اطلاعات ورودی و نتایج خروجی آن شبکه آورده شده است. در هر نوع شبکه عصبی از تعداد لایهها و تعداد نرونهای مختلفی برای مدلسازی استفاده شده است. در جداول، ردیفهای سبزرنگ نشاندهندهی بهترین ساختاری است که توانسته به خوبی مقاومتهای بتن را پیش بینی کند. همچنین بهترین نتیجه (کمترین خطا و بالاترین ضریب همبستگی) با درنظرگرفتن عملکرد شبکه در پیش بینی همزمان انواع مقاومت انتخاب شده است. نتایج مقاومت های فشاری و کششی، در یک راستا بوده و عموما هم راستا میباشد ولی مقاومت خمشی معمولا نتایج متفاوتی را از خود نشان داده است.
Keywords:
Authors
سیدامیرحسین هاشمی
گروه مهندسی عمران ، دانشکده عمران و نقشه برداری، دانشگاه آزاد اسلامی، قزوین، ایران
علیرضا عاملی
گروه مهندسی عمران، واحد ملارد، دانشگاه آزاد اسلامی، ملارد، تهران، ایران
سید محمد جواد شفیعی شالکه
گروه مهندسی عمران ، دانشکده عمران و نقشه برداری، دانشگاه آزاد اسلامی، قزوین، ایران
الهه السادات هاشمی
گروه مهندسی عمران و معماری، دانشکده فنی و مهندسی، دانشگاه رجاء، قزوین، ایران
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 :