پیش بینی ردش مقاومتی وافت وزن در بتن های ساخته شده با خاکستر زغال به عنوان مصالح جایگزین سیمان و تاثیر سولفات بر آنها با بکارگیری شبکه عصبی مصنوعی
Publish place: National Conference on Application of Intelligent Systems (soft computing) in Science and Technology
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 699
This Paper With 9 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:
AISST01_055
تاریخ نمایه سازی: 5 مرداد 1392
Abstract:
با رشد و توسعه بکارگیری مصالح روشهای مختلف در علم بتن، دستیابی به یک مدل جهت پیش بینی و تخمین اثرات این تغییرات جهت صرفه جویی در انرژی و زمان می تواند اثر بخش باشد در همین راستا امروزه شبکه هاب عصبی مصنوعی به عنوان یک کلید سودمند در زمینه های مختلف مهندسی عمران بکار گرفت. از طرفی توجه و تمرکز روی مصالح جایگزین سیمان مانند خاکستر زغال روز به روز فزونی یافته است. بر همین اساس در این مقاله مدلی از شبکه های عصبی مصنوعی در جهت تخمین مقاومت فشاری 7 و 28 روزه و مقدار افت وزن بتن های ساخته شده و نیز تاثیر سولفات ها روی بتن ساخته شده با سیمان معمولی و خاکستر زغال در دو حالت عمل آوری بتن در آب آشامیدنی و آب با اسید سولفوریک 5 درصد بررسی کرد. متغیرهای طرح اختلاط در این تحقیق شامل سیمان، خاکستر زغال، نسبت آب به سیمان، ریز دانه و درشت دانه می باشد. ضمنا جهت ساخت مدل شبکه عصبی از نتایج آزمایشات محققان و مقالات علمی معتبر داخلی و خارجی 30 طرح اختلاط با درصدهای مختلف خاکستر زغال جایگزین سیمان استفاده شده است. مدلسازی شبکه عصبی در نرم افزار مطلب (Matlab)انجام گرفته و با بکارگیری مدل مناسبی از شبکه عصبی، ویژگی های سایر مواد سیمانی جایگزین سیمان و مقدار افت وزن و اثر سولفات را بدون انجام نتایج آزمایشگاهی میتوان تخمین شد. ضمنا بر اساس نتایج بدست آمده از نتایج آموزش و ارزیابی شبکه می توان گفت که این نتایج بسیار نزدیک به نتایج آزمایشگاهی می باشد.
Keywords:
Authors
بهمن سبحانی
مدرس هنرستان و دانشگاه کارشناس ارشد عمران- سازه دانشگاه فنی و حرفه ای
عفت اساعیل زاده شهری
دانشجوی کارشناسی ارشد عمران- سازه وحد بین الملل دانشگاه فردوسی مشهد
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 :