پیش بینی مقاومت برشی تیرهای عمیق بتن مسلح با استفاده از روش ماشین بردار پشتیبان حداقل مربعات وزن دار

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:

مقاومت برشی تیرهای عمیق بتن مسلح (RC) وابسته به پارامترهای مکانیکی و هندسی تیر تغییر می نماید. برآورد دقیق مقاومت برشی در تیرهای عمیق بتن مسلح یکی از اصلی ترین موضوعات در طراحی سازه های مهندسی است. با این حال، پیش بینی مقاومت برشی در این نوع تیرها از دقت بالایی برخوردار نیست. یکی از روش های تخمین نسبتا دقیق مقاومت برشی استفاده از هوش مصنوعی می باشد. هوش مصنوعی دارای روش های مختلفی است که یکی ازاین روش ها استفاده از تکنیک هوش مصنوعی (AI) مبتنی بر روش ماشین بردار پشتیبان است. در این مطالعه برای پیش بینی ظرفیت برشی تیرهای عمیق بتن مسلح از روش ماشین بردار پشتیبان حداقل مربعات وزن دار(WLS-SVM) که روشی نسبتا جدید و کارامد است، استفاده شده است. برای این منظور ابتدا یک بانک اطلاعاتی شامل نتایج آزمایشگاهی مربوط به تیرهای عمیق بتن مسلح جمع آوری شد. سپس پس از تعیین پارامترهای ورودی و خروجی با کمک فرآیند آموزشی در روش WLS-SVM و با استفاده از بخشی از داده های جمع آوری شده، مدلی برای پیش بینی مقاومت برشی تیرهای عمیق بتن مسلح ایجاد شد. به منظور تعیین دقت روش WLS-SVM، نتایج بدست آمده با نتایج حاصل از سایر روش های هوش مصنوعی و آیین نامه های مختلف مورد ارزیابی و مقایسه قرار گرفت. بررسی های آماری نشان داد که روش WLS-SVM دارای بهترین عملکرد از نظر پارامترهای ارزیابی آماری (9887/0=R^2، 107/0= RMSE ، 478/0= MAEو %48/9 MAPE=) نسبت به سایر روش ها هستند. بنابراین این مطالعه نشان می دهد که می توان از روش WLS-SVM به عنوان ابزاری کارآمد در طراحی تیرهای عمیق استفاده نمود.

زبان:
فارسی
در صفحه:
14
لینک کوتاه:
magiran.com/p2343468 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!