روش های ترکیب شبکه عصبی در پیش بینی نتایج آزمایشات روانی و مقاومتی بتن خودتراکم
نویسندگان
چکیده مقاله:
امروزه بتن خودتراکم ازجمله بتن های پرکاربرد دنیا می باشد. اما از آنجا که طرح اختلاط آن به نتایج آزمایشات روانی آن وابسته است، در پروژه های عملی به علت وجود خطای کارگاهی، هزینه بالا، اجرای مشکل بعضی از آزمایشات و نبودن زمان کافی برای تست نمونه ها، پیمانکاران از این بتن بسیار کم استفاده کرده اند. به همین منظور برای تسهیل در استفاده اجرایی از بتن خودتراکم، محققان به فکر مدلسازی آن افتادند. یکی از روش های مدلسازی، شبکه های عصبی مصنوعی است. هدف این مقاله ارایه طرح اختلاط، با مصالح ساده و در دسترس پیمانکاران و در نهایت بدست آوردن تخمینی مناسب برای نتایج آزمایشات روانی و مقاومتی بتن خودتراکم می باشد. بدین ترتیب که با انجام آزمایشات ساده بتن خودتراکم بتوان نتایج آزمایشات مشکل و زمان بر را با دقت آزمایشگاه، در محیط کارگاه بدست آورد.
منابع مشابه
ترکیب شبکه های عصبی برای پیش بینی قیمت سهام
در این مقاله، یک مدل ابتکاری با ترکیب شبکه های عصبی مصنوعی (ANN) برای پیش بینی رفتار قیمت سهام پیشنهاد و اجرا می شود. این مدل ترکیبی، به صورت ساختار دو طبقه می باشد: شبکه های عصبی طبقه اول یا پیشگوهای پایه (Base Predictor) مسئول پیش بینی روزانه داده ها با ویژگی مختلف یک سهام می باشند و در طبقه دوم، شبکه دیگر، به عنوان ترکیب کننده پیش بینی نهایی را با بررسی و آنالیز اطلاعات پیشگوهای طبقه اول انج...
متن کاملپیش بینی مشخصات سخت شده بتن خودتراکم الیافی به کمک شبکه های عصبی مصنوعی
امروزه روشهای هوشمند و الهام گرفته از طبعیت در حل مسائل پیچیده طرفداران زیادی دارد یکی از پرطرفدارترین و کاراترین این ساختارها، شبکههای عصبی مصنوعی هستند که قادرند یک رابطه کلی بین اطلاعات حجیم و پیچیده ناشی از آزمایشها و مثالهای تجربی به دست آورند. از طرف دیگر، ترکیب بتن الیافی با بتن خودتراکم، یک نوع بتن جدید با سیالیت بالا و چسبندگی خوب تولید میکند. این نوع بتن به علت حضور الیاف دارای م...
متن کاملبررسی ترکیب تبدیل های موجک و شبکه عصبی در پیش بینی جریان های سطحی تنگه هرمز
جریانهای سطحی اقیانوسی، نقش مهمی در انتقال گرما و تغییرات آب و هوایی دارد. ازاینرو، پیشبینی جریانهای دریایی از اهمیت بسزایی در اقیانوسشناسی برخوردار است. در این پژوهش با بهکارگیری شبکهعصبی و تکنیک تبدیل موجک به پیشبینی جریانهای سطحی تنگههرمز پرداخته شده است. بدین منظور دادههای ثبتشده این حوزه از نوامبر سال 1992 تا دسامبر سال 2014 با گام زمانی 5 روزه از سایت ناسا تهیه و با بهکا...
متن کاملترکیب شبکه های عصبی و الگوریتم های تکاملی در پیش بینی تقاضای انرژی
پیشبینی روند تقاضای انرژی جهت اتخاذ سیاستهای مقتضی و مناسب اهمیت فراوانی دارد. به دلیل روند پرنوسان و غیر خطی تقاضای انرژی و متغیرهای موثر بر آن قابلیت روشهای هوشمند و غیر خطی به خصوص شبکههای عصبی و الگوریتمهای تکاملی به منظور پیشبینی تقاضای انرژی در مطالعات مختلف به اثبات رسیده است. با وجود نقاط قوت فراوان، این تکنیکها با مسائل مهمی همچون تحمیل فرم تبعی خاص- در الگوریتمهای تکاملی- یا ن...
متن کاملکاربردهای شبکه های عصبی در پیش بینی سری های زمانی
استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 12 شماره 37
صفحات 39- 49
تاریخ انتشار 2014-08-23
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023