مدل برآورد مشخصات بتن حجیم در سدهای بتنی مبتنی بر استفاده از شبکه های عصبی
Publish place: 1st National Congress on Civil Engineering
Publish Year: 1383
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,735
This Paper With 8 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:
232_4628523435
تاریخ نمایه سازی: 13 مهر 1384
Abstract:
به دلیل پیچیدگی رفتار بتن و تغییر در مشخصات آن که ناشی از تغییر در کیفیت و کمیت مصالح و شرایط حاکم بر مساله میباشد ، ارایه طرح اختلاط مناسب با توجه به شرایط اجرا و نیازهای طرح بسیار پیچیده است. این پیچیدگی همزمان با افزایش تعداد پارامترهای مؤثر بر مساله در حالتی همچون بتن حجیم نمود بیشتری می یابد. با پیشرفت علم از شبکه های عصبی به منظور مدل نمودن معادلات چند مجهولی غیر خطی در زمینه های مختلف علوم مهندسی استفاده شده است که بحث طرح اختلاط بتن حجیم نیز مطمئنا" از این قاعده مستثنی نمیباشد .] 1[ لذا در این تحقیق سعی گردیده با استفاده از شبکه های عصبی پیشخور همراه با روش الگوریتم یادگیری پس انتشار خطا به پیش بینی طرح اختلاط بتن حجیم پرداخته شود . پارامترهای ورودی مدل در نظر گرفته شده شامل وزن مصالح درشت دانه و ریزدانه (به تفکیک دانه بندی )، آب ، سیمان و مواد روان کننده ، ماکزیمم سایز درشت دانه ، درجه حرارت بتن ، در صد هوای بتن تازه ، وزن حجمی بتن تازه و نسبت آب به سیمان می باشد .با استفاده از روشهای ریاضی بهترین مدل جهت ارائه بهترین نتایج مد نظر قرار گیرد و در تمامی این مدلها پارامترهای خروجی یکی از دو پارامتر مقاومت 7 روزه و یا مقاومت 28 روزه بتن بوده است . در این مدل از اطلاعات مربوط به 73 نمونه آزمایشگاهی یکی از سدهای استان خوزستان استفاده شده که از آن میان 58 داده به عنوان زوج آموزشی و 15 داده به عنوان زوج آزمایشی در نظر گرفته شده است . در انتخاب داده های آزمایشی با استفاده از روشهای آماری دقت کافی به منظورکفایت داده ها و توزیع مناسب آنها صرف گردیده است . در این مدل به منظور رسیدن به نتایج مناسب ، روشهای پیش پردازشی متفاوتی مورد استفاده قرار گرفته است که نتایج هر یک به نوبه خود حائز اهمیت می باشد . نکته ای که کاملا" در تمامی این مدلها به صورت واضع مشاهده می گردد این است که این مدلها با یک خطای قابل قبول مهندسی نتایج مناسبی را در اختیار کاربر قرار می دهند
Keywords:
Authors
علی اکبر رمضانیانپور
استاد دانشکده مهندسی عمران و محیط زیست ، دانشگاه صنعتی امیرکبیر
مریم حقانی
دانشجوی کارشناسی ارشد مهندسی عمران ، گرایش سازه ، دانشگاه صنعتی امیرک
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 :