علیرضا مرتضایی - استادیار، گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد سمنان، سمنان، ایران. نویسنده مسئول
علی خیرالدین - استاد، دانشکده مهندسی عمران، دانشگاه سمنان

شبکه های عصبی مصنوعی تا حدودی از مغز انسان الگوبرداری شده اند و همان گونه که مغز انسان م یتواند با استفاده از تجربیات قبلی و مسائل از پیش یادگرفته،مسائل جدید را تحلیل و تجزیه نماید، شبکه های عصبی نیز در صورت آموزش قادرند بر مبنای اطلاعاتی که به ازای آن ها آموزش دیده اند، جواب های قابل قبول ارائه دهند و نیز می توان از آن ها به طور نامحدود در ارائه جواب به اطلاعاتی که قبلا با آن ها مواجه نبوده اند، استفاده نمود. به منظور ساده سازی تخمین تغییرمکان ستون های بتن آرمه، انحناهای غیرالاستیک در مفاصل پلاستیک معمولا در طول ناحیه مفصل پلاستیک ثابت فرض میشوند. بنابراین اگر طول مفصل پلاستیک شناخته شود، تغییرمکان انتهای یک ستون را می توان به راحتی با انتگرال گیری انحناها و برعکس بدست آورد. در این مقاله از شبکه های عصبی مصنوعی برای تحلیل و بررسی رفتار ستون های بتن آرمه در سطح مولفه ای، شامل تعیین طول مفصل پلاستیک ، استفاده شده و نتایج قابل قبول و مطلوبی بدست آمده است. به کمک نتایج حاصل از 150 آزمایش بر روی ستون های بتن آرمه و مدل شبکه عصبی مصنوعی پیشنهادی مشخصات مفصل پلاستیک شامل طول مفصل پلاستیک به گونه ای ارائه شده که با ارائه اطلاعات لازم به این شبکه ها در زمانی کمتر از چند دهم ثانیه می توان از مشخصات مفاصل پلاستیک اطلاع حاصل نمود. داده های ورودی به سه دسته آموزش، ارزیابی و آزمایش تقسیم شده که 70 درصد داده ها برای آموزش، 20 درصد برای ارزیابی و 10 درصد برای آزمایش در نظر گرفته می شوند. خطاهایی که در طول روند یادگیری بوجود می آیند نشان دهنده میزان اختلاف بین مقادیر ورودی (آزمایشگاهی) و مقادیر پیش بینی شده می باشند. با در نظر گرفتن خطاهای محاسبه شده و میزان تاثیر هر یک از پارامترهای ورودی بر طول مفصل پلاستیک، رابطه ای ارائه شده است که با استفاده از این رابطه مقادیر اصلی اندازه گیری شده برای طول مفصل پلاستیک، بدست می آیند.

شبکه عصبی مصنوعی، طول مفصل پلاستیک، چرخه یادگیری، ستون بتن آرمه