استفاده از شبکه عصبی برای بار بحرانی در سازه های گنبدی

استفاده از گنبدها بدلیل خصوصیات و توانایی پوشش مساحتها با دهانه های بزرگ در سراسر دنیا منحصر بفردشناخته شدهاند. با گذشت زمان و پیشرفت تکنولوژی، مهندسان ناچار به استفاده از روشهای دقیق و با زمانکم میباشند. در مطالعه حاضر، دو روش برای پیش بینی باربحرانی با صرف زمانی بسیار کوتاه ارزیابی شده است. رگرسیون چندگانه ) MR ( و رگرسیون گام به گام ) SR ( به عنوان روشهای معتبر برای تولید و ارزیابی بار بحرانی گسترش یافته اند. دادههای مورد نیاز برای الگوریتمهای آموزش از یک پایگاه داده معتبر به دست آمده است. صحت فرمول های ساخته شده با استفاده از معیارهای مناسب تایید میشود. سپس، برای بررسی درجه دقت این روشها، مقایسه ای بین مدلهای مبتنی بر فرمولهای پیشنهادی انجام شد. قابل درک است که علیرغم تفاوت ناچیز بین نتایج مدلهای پیشنهادی، فرمولهای بدست آمده بر اساس روشهای SR نتایج دقیق تری نسبت به مدل MR ارائه میدهند.

Keywords:

رگرسیون چندگانه (MR) , رگرسیون گام به گام (SR) , بار بحرانی , گنبد فضاکار