ورود
مقالات فارسیISIکنفرانسهاژورنالها

پیش بینی مقاومت برشی تیرهای بتن مسلح با استفاده از الگوریتم های ANFIS و SVR

Publish place: “Concrete Research” Quarterly Journal، Vol: 13، Issue: 4
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 39

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:
https://civilica.com/doc/1994988

شناسه ملی سند علمی:

JR_JCRGU-13-4_004

تاریخ نمایه سازی: 19 خرداد 1403

Abstract:

برآورد دقیق مقاومت برشی در تیرهای بتن مسلح یک موضوع اساسی در طراحی مهندسی است. با این حال، پیش بینی مقاومت برشی در این نوع تیرها دارای دقت بالایی نمی باشد. از جمله راهکارهایی که در سال های اخیر جهت ارائه یک مدل مناسب برای پیش بینی مقاومت برشی تیرهای بتن مسلح پیشنهاد شده است، استفاده از الگوریتم های هوش مصنوعی (AI) می باشد. در این مطالعه قابلیت کاربرد الگوریتم های رگرسیون بردار پشتیبان (SVR) و استنتاج فازی عصبی (ANFIS) برای پیش بینی مقاومت برشی تیرهای بتن مسلح بررسی گردید و نتایج حاصله با الگوریتم ANN و آیین نامه های موجود مقایسه شد. . برای این منظور دهانه برش، طول موثر تیر، عمق موثر، عرض مقطع، مقاومت فشاری ۲۸ روزه بتن، تنش تسلیم آرماتورهای طولی، تنش تسلیم آرماتورهای عرضی، درصد آرماتور طولی و درصد آرماتورهای برشی بعنوان پارامترهای ورودی و مقاومت برشی تیر بتن مسلح بعنوان پارامتر خروجی انتخاب گردید. نتایج مطالعه نشان داد که الگوریتم های ANFIS و SVR با خطای مربع میانگین ریشه (RMSE) برابر با ۰۱۵/۰ و ۰۹/۰ مقاومت برشی تیرهای بتن مسلح را با دقت بسیار زیادی پیش بینی می نمایند و از این جهت می توانند جایگزین مناسبی برای الگوریتم های زمانبر مانند ANN و روش های پرهزینه آزمایشگاهی باشند.

Keywords:

Authors

محمدرضا محمدی زاده

Department of Civil Engineering, Faculty of Technical and Engineering, University of Hormozgan

فرناز اسفندنیا

Department of Civil Engineering, Faculty of Technical and Engineering, University of Hormozgan

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 :
  • Babar, V.T., Joshi, P.K., Shinde, D.N., "Shear strength of steel ...
  • Adolfo, B.M., Wong, K.H., "Design of simply supported deep beams ...
  • Boyan, I.M., Evan, C.B., Michael. P.C., "Two-parameter kinematic theory for ...
  • Vapnik, V.N., "Statistical learning theory" , John Wiley and Sons; ...
  • Cortes, C., Vapnik, V.N., "Support vector networks", Machine Learning. ۲۰(۳), ...
  • Toghroli, A., Mohammadhassani, M., Suhatril, M., Shariati, M., Ibrahim, Z., ...
  • Ozcan, F., Atis, C.D., Karahan, O., Uncuoglu, E. Tanyildizi,H., "Comparison ...
  • Keshavarz, Z., Torkian, H., "Application of ANN and ANFIS models ...
  • Mansour, M.Y., Dicleli, M., Lee, J.Y., Zhang, J., "Predicting the ...
  • Prayogo, D., Cheng, M.Y., Wu, Y.W., Tran, D.H., "Combining machine ...
  • Lee, J.J, Kim, D.K., Chang, S.K., Lee, J.H., "Application of ...
  • Mozumder, R.A, Roy, B., Laskar, A.L., "Support Vector Regression Approach ...
  • Pham, B.T., Hoang, T.A., Nguyen, D.M., Bui, D.T., "Prediction of ...
  • American Concrete Institute (ACI). Committee ۳۱۸-۱۱: Building Code Requirements for ...
  • Canadian Standards Association (CSA). Design of concrete structures: Structures (design), ...
  • Drucker, H., Burges, C.J., Kaufman, L., Smola, A.J., Vapnik, V., ...
  • Guan, J., Zurada, J., Levitan, A., "An Adaptive Neuro fuzzy ...
  • Jang, J.S., "ANFIS: adaptive-network-based fuzzy inference system", IEEE Transactions on ...
  • Zhou, Q., Zhu, F., Yang, X., Wang, F., Chi, B., ...
  • Mohammadhassani, M., Nezamabadi-Pour, H., Suhatril, M., Shariati, M., "An evolutionary ...
  • Chai, T., Draxler, R.R., "Root mean square error (RMSE) or ...
  • Babar, V.T., Joshi, P.K., Shinde, D.N., "Shear strength of steel ...
  • Adolfo, B.M., Wong, K.H., "Design of simply supported deep beams ...
  • Boyan, I.M., Evan, C.B., Michael. P.C., "Two-parameter kinematic theory for ...
  • Vapnik, V.N., "Statistical learning theory" , John Wiley and Sons; ...
  • Cortes, C., Vapnik, V.N., "Support vector networks", Machine Learning. ۲۰(۳), ...
  • Toghroli, A., Mohammadhassani, M., Suhatril, M., Shariati, M., Ibrahim, Z., ...
  • Ozcan, F., Atis, C.D., Karahan, O., Uncuoglu, E. Tanyildizi,H., "Comparison ...
  • Keshavarz, Z., Torkian, H., "Application of ANN and ANFIS models ...
  • Mansour, M.Y., Dicleli, M., Lee, J.Y., Zhang, J., "Predicting the ...
  • Prayogo, D., Cheng, M.Y., Wu, Y.W., Tran, D.H., "Combining machine ...
  • Lee, J.J, Kim, D.K., Chang, S.K., Lee, J.H., "Application of ...
  • Mozumder, R.A, Roy, B., Laskar, A.L., "Support Vector Regression Approach ...
  • Pham, B.T., Hoang, T.A., Nguyen, D.M., Bui, D.T., "Prediction of ...
  • American Concrete Institute (ACI). Committee ۳۱۸-۱۱: Building Code Requirements for ...
  • Canadian Standards Association (CSA). Design of concrete structures: Structures (design), ...
  • Drucker, H., Burges, C.J., Kaufman, L., Smola, A.J., Vapnik, V., ...
  • Guan, J., Zurada, J., Levitan, A., "An Adaptive Neuro fuzzy ...
  • Jang, J.S., "ANFIS: adaptive-network-based fuzzy inference system", IEEE Transactions on ...
  • Zhou, Q., Zhu, F., Yang, X., Wang, F., Chi, B., ...
  • Mohammadhassani, M., Nezamabadi-Pour, H., Suhatril, M., Shariati, M., "An evolutionary ...
  • Chai, T., Draxler, R.R., "Root mean square error (RMSE) or ...
    • نمایش کامل مراجع