مدلسازی طرح اختلاط بتن متخلخل با استفاده از شبکه عصبی مصنوعی

Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 55

This Paper With 15 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_JNACE-7-3_001

تاریخ نمایه سازی: 15 بهمن 1402

Abstract:

بتن پرکاربردترین مصالح در صنعت ساخت و ساز کشور به شمار می رود. بتن متخلخل نیز به جهت دارا بودن خواص خاص مانند نفوذپذیری بالا همواره مورد توجه محققین قرار داشته است. مقاله حاضر به تعیین طرح مخلوط بتن متخلل با مقاومت مشخص بر پایه برنامه آزمایشگاهی و مدلسازی به روش استفاده از شبکه عصبی مصنوعی پرداخته است. برنامه آزمایشات در این تحقیق با ۲۰۰ طرح اختلاط در زمینه بتن متخلل استوانه ای و تهیه بانک اطلاعاتی شروع شده و با کاربرد انواع شبکه عصبی چند لایه پرسپترون (MLP) مدلسازی شده است. شاخصهای ارزیابی شامل ضریب رگرسیون و میانگین مربعات خطا برای بررسی کارایی ساختارهای شبکه عصبی مصنوعی استفاده شده است. نتایج نشان دادند که ضریب رگرسیون حاصل در اکثر ساختارهای به کار رفته بالای ۸۵ درصد بوده و در شبکه عصبی با ساختار بهینه برابر ۹۵ درصد به دست آمده است. همچنین شاخص خطای مورد ارزیابی در شبکه عصبی با ساختار بهینه ۱۲۱/۰ تعیین شده است.

Authors

محمد امامی کورنده

استادیار، گروه مهندسی عمران، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

سید عظیم حسینی

استادیار گروه مهندسی عمران، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

علیرضا صبوری املشی

کارشناسی ارشد، گروه مهندسی عمران، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، 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 :
  • کلات جاری، و.، و منصوریان، پ.، ۱۳۸۷، دست یابی به ...
  • Hung Mo, K., Johnson Alengaram, U., Zamin Jumaat, M., and ...
  • قاسم زاده موسوی نژاد، س.، و قربانی شمشادسرا، ی.، ۱۳۹۷، ...
  • Yasrebi, S. S., and Emami, M., ۲۰۰۸, Application of Artificial ...
  • Nodeh Farahani, J., Shafigh, P., and Bin Mahmud, H., ۲۰۱۷, ...
  • پوراحمدی صفت عربانی، ح.، و صدرممتازی، ع.، و میر گذار ...
  • نمایش کامل مراجع