سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

پیش بینی مقاومت فشاری بتن پلاستیک مورد استفاده در دیوار آب بندسد های خاکی با استفاده از الگوریتم شبکه های عصبی

Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,084

This Paper With 10 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

ICICA01_0069

Index date: 17 March 2016

پیش بینی مقاومت فشاری بتن پلاستیک مورد استفاده در دیوار آب بندسد های خاکی با استفاده از الگوریتم شبکه های عصبی abstract

در این مقاله، یک مدل پیش بینی برای مقاومت فشاری 7، 28 و 90روزه بتن پلاستیک با استفاده از شبکه عصبی پیشخور 1 چند لایه MFNNS ارائه می شود. در این نوع شبکه عصبی، خروجی هر سلول تنها به سلول های لایه بعد وصل می شود، که یک رابطه ی پیچیده غیر خطی بین ورودی ها (درصد مصالح اختلاط) و خروجی ها (مقاومت فشاری بتنپلاستیک) برقرار می کند. مقادیر خروجی با استفاده از پارامترهای : سیمان، بنتونیت، نسبت آب به سیمان، میزان وزنی سنگدانه ها، شن، ماسه، رس، خاکستر، ماسه مجموع ذرات، مجموع ذرات سیمان، اسلامپ، ماکزیمم سایز دانه بندی، تیپ سیمان، با استفاده از الگوریتم شبکه عصبی بدست آمد. با توجه به تعداد خروجی ها، 3مدل پیش بینی در نظر گرفته شد، که همپوشانی مناسبی بین مقادیر خروجی حاصل از شبکه و خروجی واقعی نشان می دهد. با توجه به اینکه دامنه ی طرح اختلاط (پارامترهای ورودی) وسیعی در نظر گرفتیم، توانستیم مدل پیش بینی بسیار دقیقی را طراحی نماییم.

پیش بینی مقاومت فشاری بتن پلاستیک مورد استفاده در دیوار آب بندسد های خاکی با استفاده از الگوریتم شبکه های عصبی Keywords:

پیش بینی مقاومت فشاری بتن پلاستیک مورد استفاده در دیوار آب بندسد های خاکی با استفاده از الگوریتم شبکه های عصبی authors

مهرداد مجد

دانشجوی کارشناسی ارشد مهندسی ژئوتکنیک، دانشگاه فردوسی مشهد

علی اخترپور

استادیار دانشگاه فردوسی مشهد، دانشکده مهندسی عمران

محمد باقر نقیبی سیستانی

استادیار دانشگاه فردوسی مشهد، دانشکده مهندسی برق

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 :
ICOLD (1985), "Filling Material for Watertight Cut-Off Wals Bulletin51". ...
L.M. Snell, J.V. Roekel, N.D. Wallace, Predicting early concrete strength, ...
R. Hecht - Nielsen, Theory of the Back- Propagation Neural ...
J-Z.Wang, H. -G. Ni, Prediction of compressive strength of cement ...
Yuzhen Yu, Jialiu pu, Keizo Ugai, Study of mechanica properties ...
Ni Hong-Guang, Wang Ji-Zong, Prediction of compressive strength of concrete ...
Fatih Ozcan, Cengiz D.Atis, Okan Karahan, Erdal Uncuog lu, Harun ...
Abhijit Mukherjee, Sudip Nag Biswas, Artificial neural networks in prediction ...
Internationl Conference o Civil Engineering A rchitecture and urban infras ...
نمایش کامل مراجع

مقاله فارسی "پیش بینی مقاومت فشاری بتن پلاستیک مورد استفاده در دیوار آب بندسد های خاکی با استفاده از الگوریتم شبکه های عصبی" توسط مهرداد مجد، دانشجوی کارشناسی ارشد مهندسی ژئوتکنیک، دانشگاه فردوسی مشهد؛ علی اخترپور، استادیار دانشگاه فردوسی مشهد، دانشکده مهندسی عمران؛ محمد باقر نقیبی سیستانی، استادیار دانشگاه فردوسی مشهد، دانشکده مهندسی برق نوشته شده و در سال 1394 پس از تایید کمیته علمی کنفرانس بین المللی عمران ، معماری و زیرساخت های شهری پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله مقاومت فشاری، طرح اختلاط، بتن پلاستیک، شبکه عصبی هستند. این مقاله در تاریخ 27 اسفند 1394 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1084 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که در این مقاله، یک مدل پیش بینی برای مقاومت فشاری 7، 28 و 90روزه بتن پلاستیک با استفاده از شبکه عصبی پیشخور 1 چند لایه MFNNS ارائه می شود. در این نوع شبکه عصبی، خروجی هر سلول تنها به سلول های لایه بعد وصل می شود، که یک رابطه ی پیچیده غیر خطی بین ورودی ها (درصد مصالح اختلاط) و ... . این مقاله در دسته بندی موضوعی شبکه عصبی طبقه بندی شده است. برای دانلود فایل کامل مقاله پیش بینی مقاومت فشاری بتن پلاستیک مورد استفاده در دیوار آب بندسد های خاکی با استفاده از الگوریتم شبکه های عصبی با 10 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.