شبکه‎های عصبی مصنوعی برای پیش بینی مقاومت فشاری بتن: پس انتشار خطا و شبکه اِلمان

Authors

جعفر سبحانی

زهرا سبحانی

منصور شیخان

abstract

در سال های اخیر، شبکه های عصبی مصنوعی کاربرد های بسیار زیادی در علوم مختلف مهندسی، از جمله مهندسی عمران پیدا نموده است. در این مقاله از دو نوع شبکة عصبی مصنوعی با سه ساختار مختلف، برای پیش بینی مقاومت فشاری بتن استفاده شده است. در این مطالعه، نوع جدیدی از شبکه های عصبی مصنوعی، به نام شبکة عصبیِ بازگشتی المان (elman networks recurrent ) معرفی شده و مقاومت نمونه های بتنی با استفاده از این شبکه ها پیش بینی شده است. همچنین در این مقاله، نتایج شبیه سازی با شبکة عصبی المان، با شبکة عصبی استاندارد پس انتشار خطا (standard bp networks) مقایسه شده است. نتایج پیش بینی نشان داد که شبکة عصبی المانِ دو لایه با تعداد نرون به ترتیب 5 و 3 نرون در لایة اول و دوم، بهترین قابلیت را برای تعمیم نتایج (یعنی قابلیت پیش بینی نمونه های آموزش ندیده) داشته و شبکة عصبی دو لایة پس انتشار استاندارد با تعداد نرون های به ترتیب 8 و 5 نرون در لایة اول و دوم، مناسبترین شبکه برای تخمین مقاومت فشاری نمونه های بتنی (پیش بینی مقاومت نمونه های آموزش دیده) می باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

شبکه‎های عصبی مصنوعی برای پیش‌بینی مقاومت فشاری بتن: پس انتشار خطا و شبکه اِلمان

در سال‌های اخیر، شبکه‌های عصبی مصنوعی کاربرد‌های بسیار زیادی در علوم مختلف مهندسی، ‌از جمله مهندسی عمران پیدا نموده است. در این مقاله از دو نوع شبکة عصبی مصنوعی با سه ساختار مختلف، برای پیش‌بینی مقاومت فشاری بتن استفاده شده است. در این مطالعه، نوع جدیدی از شبکه‌های عصبی مصنوعی، به نام شبکة‌ عصبیِ بازگشتی المان (Elman Networks ‌Recurrent ) معرفی شده و مقاومت نمونه‌های بتنی با استفاده از این شبکه‌...

full text

پیش‎بینی مقاومت فشاری بتن خودتراکم توسط شبکه عصبی مصنوعی المان همراه با دو مجموعه متفاوت از پارامترهای ورودی

در سال‎های اخیر، شبکه‎های عصبی مصنوعی از یک رویکرد نظری به یک فن‎آوری با قابلیت استفاده گسترده همراه با برنامه‎های کاربردی موفق برای مسائل گوناگون تبدیل شده‎اند. در حقیقت، شبکه‌های عصبی مصنوعی یک ابزار محاسباتی قدرتمندی هستند که راه‎ حل‌های مناسبی را برای حل مسائلی ارائه می‌دهند که با استفاده از روش‌‎های مرسوم و سنتی دشوار هستند. امروزه این شبکه‏ها که از سیستم عصبی زیستی الهام گرفته‎ شده‎اند، ب...

full text

مدل‌سازی مقاومت فشاری بتن غلتکی با استفاده از شبکه عصبی مصنوعی، انفیس و ماشین بردار پشتیبان

امروزه از بتن غلتکی در ساخت سد‌ها و روسازی راه‌ها استفاده می‌شود و طی سال‌های اخیر استفاده از این نوع بتن به علت مزایایی چون کوتاه شدن زمان ساخت، در دسترس بودن مصالح مورد نیاز، عملکرد مناسب در نواحی سرد و عمر مفید طولانی گسترش یافته است. مهم‌ترین خاصیت مکانیکی بتن غلتکی، مقاومت فشاری می‌باشد که افزایش آن می‌تواند عملکرد این نوع بتن را بهبود بخشد. حساسیت بتن غلتکی به اجزای تشکیل‌دهنده آن سبب مشک...

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

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

ارزیابی عملکرد مدل های شبکه عصبی مصنوعی، نروفازی و رگرسیون چند متغیره در پیش بینی مقاومت فشاری بتن به کمک روش بارنقطه ای

امروزه تعیین مقاومت بتن درجا مورد توجه می‌باشد. ضرورت انجام آزمایشات درجا را می‌توان در عامل‌های مختلفی چون تغییر یا توسعه سازه، بررسی کیفیت، ارزیابی مقاومت و عملکرد بتن جستجو نمود. در این پژوهش عملکرد مدل‌های شبکه عصبی مصنوعی، نروفازی تطبیقی و رگرسیون چندمتغیره با هدف سنجش مقاومت فشاری بتن با روش بارنقطه‌ای مورد مطالعه قرار می‌گیرد. همچنین رابطه‌ای محاسباتی بر اساس روش رگرسیون چند‌متغیره برای ...

full text

My Resources

Save resource for easier access later


Journal title:
تحقیقات بتن

Publisher: دانشگاه گیلان

ISSN

volume 1

issue 2 2008

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023