بهینه سازی طرح اختلاط بتن با استفاده از شبکه های عصبی تابع بنیادی شعاعی (RBF) و الگوریتم اجتماع ذرات(PSO)
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 901
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:
FANAVARI01_055
تاریخ نمایه سازی: 19 خرداد 1396
Abstract:
هم اکنون در صنعت ساختمان پروژه های مقاوم سازی روند رو به رشدی را طی می کنند. این در حالی است که جهت انجام کلیه مطالعات مربوطه تعیین مشخصات مصالح از ضروریات اولیه می باشد. همان طور که می دانیم در پروژه های یا سازه های بتن آرمه مهم ترین مشخصه مورد نیاز مقاومت فشاری بتن می باشد که تعیین آن در روند انجام مطالعات نقش مهمی ایفا می کند. به منظور کاهش هزینه و افزایش مقاومت فشاری بتن می باشد که تعیین آن در روند انجام مطالعات نقش مهمی ایفا می کند. به منظور کاهش هزینه و افزایش مقاومت بتن مهم ترین شاخصی که می بایست با استفاده از اصول بهینه سازی مورد بررسی قرار گیرد طرح اختلاط بتن می باشد. در این مقاله با دردست داشتن نتایج تعدادی نمونه های آزمایشگاهی برگرفته از مقالات معتبر شبکه های عصبی تابع بنیادی شعاعی(RBF) و الگوریتم اجتماع ذرات به عنوان یکی از روش های بهینه سازی تصادفی هوشمند در یک فضای چند بعدی به جستجو پرداخته تا نمونه با مقاومت فشاری بیشینه بدست آید.
Keywords:
Authors
حسین بهشتی نژاد
بیرجند، خیابان سپیده، 12،اداره کل نوسازی مدارس، بیرجند
حمید یتیمی
بیرجند، خیابان سپیده، 12،اداره کل نوسازی مدارس، بیرجند
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 :