مدلسازی و تخمین طول مفصل پلاستیک ستون های بتنآرمه به کمک شبکههای عصبی مصنوعی
Authors
Abstract:
شبکههای عصبی مصنوعی تا حدودی از مغز انسان الگوبرداری شدهاند و همانگونه که مغز انسان میتواند با استفاده از تجربیات قبلی و مسائل از پیش یادگرفته، مسائل جدید را تحلیل و تجزیه نماید، شبکههای عصبی نیز در صورت آموزش قادرند بر مبنای اطلاعاتی که به ازای آنها آموزش دیدهاند، جوابهای قابل قبول ارائه دهند و نیز میتوان از آنها به طور نامحدود در ارائه جواب به اطلاعاتی که قبلا با آنها مواجه نبودهاند، استفاده نمود. به منظور سادهسازی تخمین تغییرمکان ستونهای بتنآرمه، انحناهای غیرالاستیک در مفاصل پلاستیک معمولا در طول ناحیه مفصل پلاستیک ثابت فرض میشوند. بنابراین اگر طول مفصل پلاستیک شناخته شود، تغییرمکان انتهای یک ستون را میتوان به راحتی با انتگرالگیری انحناها و برعکس بدست آورد. در این مقاله از شبکههای عصبی مصنوعی برای تحلیل و بررسی رفتار ستونهای بتنآرمه در سطح مولفهای، شامل تعیین طول مفصل پلاستیک، استفاده شده و نتایج قابل قبول و مطلوبی بدست آمده است. به کمک نتایج حاصل از 150 آزمایش بر روی ستونهای بتنآرمه و مدل شبکه عصبی مصنوعی پیشنهادی مشخصات مفصل پلاستیک شامل طول مفصل پلاستیک به گونهای ارائه شده که با ارائه اطلاعات لازم به این شبکهها در زمانی کمتر از چند دهم ثانیه میتوان از مشخصات مفاصل پلاستیک اطلاع حاصل نمود. دادههای ورودی به سه دسته آموزش، ارزیابی و آزمایش تقسیم شده که 70 درصد دادهها برای آموزش، 20 درصد برای ارزیابی و 10 درصد برای آزمایش در نظر گرفته میشوند. خطاهایی که در طول روند یادگیری بوجود میآیند نشاندهنده میزان اختلاف بین مقادیر ورودی (آزمایشگاهی) و مقادیر پیشبینیشده میباشند. با درنظر گرفتن خطاهای محاسبهشده و میزان تاثیر هر یک از پارامترهای ورودی بر طول مفصل پلاستیک، رابطهای ارائه شده است که با استفاده از این رابطه مقادیر اصلی اندازهگیریشده برای طول مفصل پلاستیک، بدست میآیند.
similar resources
مدل سازی و تخمین طول مفصل پلاستیک ستون های بتن آرمه به کمک شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی تا حدودی از مغز انسان الگوبرداری شده اند و همان گونه که مغز انسان می تواند با استفاده از تجربیات قبلی و مسائل از پیش یادگرفته، مسائل جدید را تحلیل و تجزیه نماید، شبکه های عصبی نیز در صورت آموزش قادرند بر مبنای اطلاعاتی که به ازای آن ها آموزش دیده اند، جواب های قابل قبول ارائه دهند و نیز می توان از آن ها به طور نامحدود در ارائه جواب به اطلاعاتی که قبلا با آن ها مواجه نبوده ا...
full textپیش بینی طول مفصل پلاستیک پایه های پلهای بتن آرمه با استفاده از الگوریتم شبکههای عصبی مصنوعی
باتوجه به اهمیت پلها به عنوان شریانهای حیاتی و لزوم خدمت رسانی آنها بعد از وقوع زلزله، طراحی مناسب این دست سازهها امری مهم میباشد. در همین راستا یک گام مهم برای پیش بینی عملکرد این نوع سیستمهای سازهای تحت شرایط مختلف بارگذاری، تعیین محل پاسخ غیر ارتجاعی میباشد. در پایه پلها، این تغییر شکلهای غیر ارتجاعی عمدتاً در طولی محدود به نام مفصل پلاستیک رخ میدهند. یک مدل مناسب برای رفتار مف...
full textپیش بینی طول مفصل پلاستیک پایه های پل های بتن آرمه با استفاده از الگوریتم شبکه های عصبی مصنوعی
باتوجه به اهمیت پل ها به عنوان شریان های حیاتی و لزوم خدمت رسانی آن ها بعد از وقوع زلزله، طراحی مناسب این دست سازه ها امری مهم می باشد. در همین راستا یک گام مهم برای پیش بینی عملکرد این نوع سیستم های سازه ای تحت شرایط مختلف بارگذاری، تعیین محل پاسخ غیر ارتجاعی می باشد. در پایه پل ها، این تغییر شکل های غیر ارتجاعی عمدتاً در طولی محدود به نام مفصل پلاستیک رخ می دهند. یک مدل مناسب برای رفتار مفصل...
full textتخمین تبخیر و تعرق مرجع روزانه به کمک مدل درخت تصمیمM5 و شبکه عصبی مصنوعی
تعیین دقیق آب مصرفی گیاه باعث افزایش راندمان آبیاری و بهبود مدیریت آب در مزرعه را دنبال دارد. تبخیر و تعرق یک از اجزای اصلی چرخهی هیدرولوژی محسوب میشود و برآورد دقیق آن در مدیریت منابع آب نقش اساسی دارد. در این تحقیق به ارزیابی مدل درختی M5 و مدل شبکهی عصبی تحت شرایط مختلف حداقل دادهی اقلیمی در یک منطقهی خشک سرد پرداخته شد. دادههای مورد استفاده در این تحقیق شامل دمای حداقل و حداکثر، رطو...
full textپیشبینی کارایی به کمک تأثیرپذیری غیرخطی از تأخیرهای زمانی در تحلیل پوششی دادهها با شبکههای عصبی مصنوعی
هدف: یکی از شیوههای مرسوم ارزیابی کارایی هر سازمان یا بنگاه، مقایسه آن با سایر رقبا یا نمونههای متناظر آن است. با این حال، در برخی پژوهشها به سنجش کارایی یک واحد در مقایسه با خود در مرور زمان پرداخته شده و روند عملکرد یک واحد نسبت به گذشته خود ارزیابی شده است. هدف پژوهش جاری، پیشبینی کارایی یک واحد با استفاده از سریهای زمانی عملکرد گذشته آن است. روش: این پژوهش به کمک مدل SBM و با استفاده ا...
full textمدلسازی ستون تقطیر با استفاده از ساختار مدل ARX و شبکههای عصبی مصنوعی
فرآیند تقطیر یک فرآیند صنعتی پیچیده و به شدت غیرخطی میباشد. به طور کلی پیدا کردن مدل دقیق تحلیلی از ستونهای تقطیر با خلوص بالا همواره امکان پذیر نمیباشد. از طرفی توسعه مدلهای تحلیلی معمولا وقتگیر و هزینهبر است. برای غلبه بر این مشکلات میتوان از مدلهای تجربی نظیر شبکههای عصبی استفاده کرد. یکی از ایرادات اساسی شبکههای عصبی این است که پیشبینیهای آن تنها در محدوده اطلاعات شناسایی معتبر است...
full textMy Resources
Journal title
volume 10 issue 29
pages 1- 17
publication date 2012-06-21
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023