پیش بینی مقاومت بتن حاوی سنگ دانه های مختلف از طریق مدل سازی در شبکه های عصبی مصنوعی

Authors

جواد شریفی

j. sharifi دانشگاه تربیت مدرس محمدرضا نیکودل

m. r. nikodel دانشگاه تربیت مدرس

abstract

در این تحقیق از طریق مدل سازی در شبکه های عصبی مصنوعی، پیش بینی مقاومت بتن حاوی سنگ دانه های مختلف با استفاده از آزمون های غیرمخرب (آلتراسونیک) انجام شد. بدین منظور ابتدا مصالحی با ویژگی های متفاوت گردآوری و خواص آن ها در آزمایشگاه به روش های مخرب و غیرمخرب تعیین شده است. نکتۀ مهم این تحقیق، استفاده از سنگ دانه های مختلف با خواص فیزیکی، مکانیکی و شیمیایی متفاوت و هم چنین استفاده از دو آزمون غیرمخرب استاتیکی و دینامیکی است که به ترتیب مقاومت تک محوری و سرعت موج فشاری است. بنابراین مدل سازی شامل نمونه های مختلفی است و فضای پیش بینی نیز در برگیرنده روش های ایستا و پویا است. نتایج این تحقیق نشان داد که استفاده از شبکه های عصبی مصنوعی نه تنها سبب افزایش دقت می شود بلکه باعث کاهش حجم محاسبات و هم چنین تأثیر زیادی در کاهش زمان محاسبه خواهد شد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

full text

پیش‌بینی مقاومت بتن حاوی سنگ‌دانه‌های مختلف از طریق مدل‌سازی در شبکه‌های عصبی مصنوعی

در این تحقیق از طریق مدل‌سازی در شبکه‌های عصبی مصنوعی، پیش‌بینی مقاومت بتن حاوی سنگ‌دانه‌های مختلف با استفاده از آزمون‌های غیرمخرب (آلتراسونیک) انجام شد. بدین منظور ابتدا مصالحی با ویژگی‌های متفاوت گردآوری و خواص آن‌ها در آزمایشگاه به‌روش‌های مخرب و غیرمخرب تعیین شده است. نکتۀ مهم این تحقیق، استفاده از سنگ‌دانه‌های مختلف با خواص فیزیکی، مکانیکی و شیمیایی متفاوت و هم‌چنین استفاده از دو آزمون غیر...

full text

پیش بینی مقاومت پیوستگی میلگرد و بتن حاوی میکروسیلیس، نانوسیلیس و الیاف پلیمری با استفاده از شبکه عصبی مصنوعی

در این پژوهش مقاومت پیوستگی میان میلگرد و بتن حاوی درصدهای مختلف میکروسیلیس، نانوسیلیسو الیاف پلیمری مورد بررسی قرار گرفته است. به همین منظور 36 نمونه آزمایشگاهی استوانه‌ای 15×10 سانتی متری با 12 طرح اختلاط مختلف ساخته شده است. یک مدل شبکه عصبی مصنوعی (ANN) برای پیش بینی نتایج آزمایشگاهی مورد استفاده قرار گرفته است. مدل مورد استفاده شامل 6 پارامتر ورودی میکرو و نانو سیلیس، الیاف پلیمری، نسبت‌ها...

full text

کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه

پیش‌بینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیش‌بینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...

full text

پیش بینی مقاومت فشاری بتن حاوی خاکستر بادی، میکروسیلیس و سرباره ی مس با استفاده از روش های آماری ، شبکه ی عصبی مصنوعی و منطق فازی

در پژوهش حاضر، به پیش‌بینی مقاومت فشاری بتن حاوی پوزولان به کمک شبکه‌ی عصبی مصنوعی و تحلیل رگرسیون پرداخته شده است. اطلاعات به کاررفته شامل ۸۰ نمونه است که مقاومت فشاری ۷ و ۲۸ روزه‌ی آن‌ها تعیین شده است. در بخش شبکه‌ی عصبی مصنوعی از یک شبکه‌ی پرسپترون چند لایه با الگوریتم‌های متفاوت آموزشی پس انتشار خطا و تعریف یک یا چند لایه‌ی مخفی و تعداد ۷ نورون در لایه‌ی ورودی و ۱ نورون در لایه‌ی خروجی استف...

full text

مدل سازی و پیش بینی کارایی بانک های دولتی و خصوصی ایران با استفاده از مدل های شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک

دستیابی به رشد مستمر و مداوم اقتصادی و به موجب آن توسعه اقتصادی را می توان از زمره اهدافی قلمداد نمود که تمام کشورها در پی دستیابی به آن می باشند. در این راستا بانک ها نقش بسیار مهمی در پیشرفت و توسعه اقتصادی هر کشور ایفا می نمایند. در حال حاضر با توجه به تعداد قابل توجه بانک های دولتی و خصوصی در کشور پیش بینی کارایی آن ها اهمیت ویژه ای پیدا کرده است. هدف از این پژوهش، مدلسازی و پیش بینی کارایی...

full text

My Resources

Save resource for easier access later


Journal title:
زمین شناسی مهندسی

جلد ۹، شماره ۳، صفحات ۲۹۸۳-۳۰۰۲

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023