بررسی تعداد پارامترهای موثر در پیشبینی مدول الاستیسیته بتن خودتراکم با استفاده از شبکه ی عصبی مصنوعی RBF
Publish place: The International Conference on Human, Architecture, Civil Engineering and City (ICOHACC 2015)
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,119
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICOHACC01_227
Index date: 5 December 2015
بررسی تعداد پارامترهای موثر در پیشبینی مدول الاستیسیته بتن خودتراکم با استفاده از شبکه ی عصبی مصنوعی RBF abstract
در این مقاله سنجیدن میزان دقت شبکه ی عصبی مصنوعی در پیش بینی خواص بتن به عنوان ابزاری که با صرف زمان و هزینه ی کم قادر به پیش بینی مدول الاستیسیته بتن خودتراکم است و همچنین تاثیر تعداد پارامترهای اثرگذار بر مشخصه ی موردنظر که به عنوان ورودی وارد شبکه می شوند بر میزان دقت شبکه، هدف می باشد. ازین ر و یکبار تعداد 8 پارامتر تاثیرگذار و بار دیگر جهت نزدیک شدن هرچه بیشتر شرایط پیشبینی به واقعیت 140 پارامتر به عنوان ورودی وارد شبکه تابع بنیادی شعاعی شدند که در میان مقالات داخلی و خارجی ارائه شده در زمینه ی پیش بینی خواص بتن، این تعداد منحصر بفرد میباشد. طبق نتایج حاصله، در حالت آزمایش، دقت شبکه با 140 و 8 پارامتر ورودی به ترتیب 0/99 و 0/95 برای مدول الاستیسیته بتن خودتراکم به دست آمد، همچنین مشخص شد که در پیش بینی مدول الاستیسیته، شبکه با تعداد 140 پارامتر به میزان 95/74 درصد بهبود در خطای تست نسبت به شبکه با 8 ورودی دارد. این نتیجه میزان اثرگذاری تعداد پارامترهای موثر را بر مقدار خطای شبکه در پیش بینی مشخصه ی موردنظر نشان میدهد.
بررسی تعداد پارامترهای موثر در پیشبینی مدول الاستیسیته بتن خودتراکم با استفاده از شبکه ی عصبی مصنوعی RBF Keywords:
بررسی تعداد پارامترهای موثر در پیشبینی مدول الاستیسیته بتن خودتراکم با استفاده از شبکه ی عصبی مصنوعی RBF authors
عاطفه غلام زاده چیتگر
دانشجو کارشناسی ارشد مهندسی و مدیریت ساخت، موسسه آموزش عالی طبری بابل
جواد برنجیان
استادیار و رئیس موسسه آموزش عالی طبری بابل
نوید رضا فروهر
کارشناسی ارشد مهندسی و مدیریت ساخت، موسسه آموزش عالی طبری بابل
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 :