جلد 9، شماره 3 - ( 7-1394 )                   جلد 9 شماره 3 صفحات 3002-2983 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Sharifi J, Nikodel M R. Prediction of Concrete Strength Containing Different Aggregates through Artificial Neural Networks. Journal of Engineering Geology 2015; 9 (3) :2983-3002
URL: http://jeg.khu.ac.ir/article-1-1819-fa.html
شریفی جواد، نیکودل محمدرضا. پیش‌بینی مقاومت بتن حاوی سنگ‌دانه‌های مختلف از طریق مدل‌سازی در شبکه‌های عصبی مصنوعی. نشریه زمین شناسی مهندسی. 1394; 9 (3) :2983-3002

URL: http://jeg.khu.ac.ir/article-1-1819-fa.html


1- دانشگاه تربیت مدرس ، javad2114@yahoo.com
2- دانشگاه تربیت مدرس
چکیده:   (5339 مشاهده)
در این تحقیق از طریق مدل‌سازی در شبکه‌های عصبی مصنوعی، پیش‌بینی مقاومت بتن حاوی سنگ‌دانه‌های مختلف با استفاده از آزمون‌های غیرمخرب (آلتراسونیک) انجام شد. بدین منظور ابتدا مصالحی با ویژگی‌های متفاوت گردآوری و خواص آن‌ها در آزمایشگاه به‌روش‌های مخرب و غیرمخرب تعیین شده است. نکتۀ مهم این تحقیق، استفاده از سنگ‌دانه‌های مختلف با خواص فیزیکی، مکانیکی و شیمیایی متفاوت و هم‌چنین استفاده از دو آزمون غیرمخرب استاتیکی و دینامیکی است که به‌ترتیب مقاومت تک‌محوری و سرعت موج فشاری است. بنابراین مدل‌سازی شامل نمونه‌های مختلفی است و فضای پیش‌بینی نیز در برگیرنده روش‌های ایستا و پویا ‌است. نتایج این تحقیق نشان داد که استفاده از شبکه‌های عصبی مصنوعی نه تنها سبب افزایش دقت می‌شود بلکه باعث کاهش حجم محاسبات و هم‌چنین تأثیر زیادی در کاهش زمان محاسبه خواهد شد.
متن کامل [PDF 602 kb]   (3708 دریافت)    
نوع مطالعه: مطالعه موردی | موضوع مقاله: زمین شناسی مهندسی
پذیرش: 1395/7/14 | انتشار: 1395/7/14

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به نشریه زمین شناسی مهندسی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Engineering Geology

Designed & Developed by : Yektaweb