به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه "artificial neural networks shear strength capacity" در نشریات گروه "عمران"

تکرار جستجوی کلیدواژه «artificial neural networks shear strength capacity» در نشریات گروه «فنی و مهندسی»
جستجوی artificial neural networks shear strength capacity در مقالات مجلات علمی
  • یاسر شریفی*، عادل مقبلی، مهدیه رحمتیان، خداداد مقبلی
    ارزیابی مقاومت نهایی برشی تیرهای بتن مسلح به دلیل فرضیات بسیار زیاد در براورد فرمول های ارائه شده در آیین نامه ها، یک موضوع بسیار مهم تلقی می شود. از طرفی محاسبه دقیق مقاومت برشی تیرهای بتن مسلح هم در زمان طراحی و هم در موارد مقاوم سازی از مهم ترین پارامترها می باشد. مقایسه مقاومت برشی آزمایش های موجود و فرمول بندی ارائه شده توسط آیین نامه ها اختلاف زیادی را نشان می دهد. در مقاله حاضر مدل شبکه عصبی مصنوعی به صورت یک روش قابل اطمینان برای شبیه سازی و تعیین مقاومت برشی تیرهای بتن مسلح لاغر توسعه داده شده است. بدین منظور تاثیر پارامترهای مختلف بر مقاومت برشی تیرهای بتن مسلح لاغر از جمله عمق موثر، عرض تیر، دهانه ی برش، مقاومت تسلیم آرماتور برشی و کششی، مقاومت فشاری بتن و مقدار آرماتور برشی ارزیابی شده است. هم چنین مطالعه ای عددی با هدف تحلیل و بررسی پارامترهای مورد استفاده در شبکه انجام داده شده است. سرانجام یک رابطه تجربی با دقت مناسب برای تعیین مقاومت برشی تیرهای بتن مسلح لاغر با استفاده از شبکه های عصبی مصنوعی بدست آمده است و در نهایت نتایج بدست آمده با آیین نامه های معتبر دنیا مقایسه شده است. هم چنین مقایسه ی مقاومت برشی آزمایشگاهی با آیین نامه های مختلف و مدل پیشنهادی توسط شبکه های عصبی مصنوعی، نشان می دهد که مدل پیشنهاد شده از عملکرد مناسبی برخوردار است.
    کلید واژگان: تیرهای بتن مسلح لاغر, شبکه های عصبی مصنوعی, مقاومت (نهایی) برشی, آیین نامه ها
    Yasser Sharifi *, Adel Moghbeli, Mahdieh Rahmatian, Khodadad Moghbeli
    Predicting the shear capacity of reinforced concrete beams with a suitable accuracy is an essential issue for engineering applications, especially for the rehabilitation and design of such structures. It was found that there is a significant difference between experimental and existing code recommendations for shear capacity predictions. Shear capacity assessment of slender reinforced concrete beams in reason of several assumptions to equation developing is one of the most important issues. An artificial neural network has been developed as a reliable method to simulate and determine the shear capacity of slender concrete beams. For this purpose, the effects of several parameters on the shear strength of concrete beams were evaluated. Finally, an empirical formula with suitable accuracy was obtained to determine the shear strength of slender concrete beams. Experimental, code recommendations and model suggested by artificial neural networks for shear strength of concrete beams show that the model suggested by artificial neural networks gives more exact predictions.
    Keywords: Reinforced concrete beams, Artificial Neural Networks Shear strength Capacity, experimental, code recommendation
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال