تخمین مقاومت برشی تیرهای بتن آرمه مسلح به الیاف پلیمری؛ مقایسه شبکه عصبی مصنوعی و روابط آیین نامه ای
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 293
This Paper With 19 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:
JR_JSEC-4-4_007
تاریخ نمایه سازی: 18 تیر 1398
Abstract:
در سال های اخیر آزمایشات تجربی متعددی در خصوص تقویت برشی تیرهای بتن آرمه مسلح به الیاف پلیمری صورت گرفته است. در این راستا روابطی نیز برای تخمین مقاومت برشی تیرهای مسلح به الیاف پلیمری ارائه شده است. هدف از این مطالعه بررسی تخمین مقاومت برشی تیرهای مسلح به الیاف پلیمری بوسیله مدل شبکه عصبی مصنوعی پیش خور است. برای این منظور یک پایگاه داده متشکل از 304 تیر بتنآرمه مسلح به الیاف پلیمری جهت ارزیابی رفتار برشی، از نتایج تجزیه و تحلیل مقالات موجود گردآوری شده است. متغیرهای ورودی مدل شبکه عصبی شامل 11 متغیر دربرگیرنده مشخصات هندسی مقطع، میزان آرماتور، میزان الیاف پلیمری و مشخصات مصالح بتن و فولاد و الیاف پلیمری است و متغیر خروجی مقاومت برشی تیر است. بمنظور ارزیابی کارایی مدل شبکه عصبی در تخمین میزان ظرفیت برشی تیرهای تقویت شده، نتایج کسب شده از مدل شبکه عصبی با مقادیر روابط آیین نامه بتن ایران (نشریه 345) و آیین نامه بتن امریکا (ACI440) مقایسه می شود. مقایسه نتایج نشان می دهد که در مجموع دقت مدل شبکه عصبی نسبت به دقت هر دو آییننامه بیشتر است. بطور مشخص برای داده های مورد بررسی، درصد میانگین نسبی مطلق خطای برآورد در مدل شبکه عصبی 13 درصد، آیین نامه امریکا 34 درصد و آیین نامه ایران 39 درصد است.
Keywords:
Authors
محمود اکبری
استادیار، دانشکده مهندسی، دانشگاه کاشان، کاشان، ایران
وحید جعفری دلیگانی
دانشجوی کارشناسی ارشد مهندسی سازه، دانشکده مهندسی، دانشگاه کاشان، کاشان، ایران
حمید نظامی نیا
کارشناس ارشد مهندسی سازه، دانشکده مهندسی، دانشگاه کاشان، کاشان، ایران
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 :