زمین شناسی مهندسی، جلد ۹، شماره ۳، صفحات ۲۹۸۳-۳۰۰۲
عنوان فارسی پیش‌بینی مقاومت بتن حاوی سنگ‌دانه‌های مختلف از طریق مدل‌سازی در شبکه‌های عصبی مصنوعی
چکیده فارسی مقاله 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.
کلیدواژه‌های فارسی مقاله بتن ، سنگدانه ، سرعت موج فشاری ، شبکه‌های عصبی مصنوعی ،
عنوان انگلیسی Prediction of Concrete Strength Containing Different Aggregates through Artificial Neural Networks
چکیده انگلیسی مقاله  In this research, prediction of concrete strength containing different aggregates using Non-destructive (Ultrasonic) testing through Artificial Neural Networks was carried out. For this purpose, aggregates with different properties were selected from the quarries, and then their destructive and nondestructive properties were obtained in laboratory. The significance of this research, using different aggregates with physical, mechanical and chemical properties also used two different test methods, such as Non-destructive static and dynamic testing, which are respectively uniaxial compressive strength and compressive wave velocity. Thus, this model includes various types of samples and the prediction model includes static and dynamic tests. The results showed that the use of artificial neural networks not only increases the accuracy, but also it reduces costs and time.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله جواد شریفی | j. sharifi
دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

محمدرضا نیکودل | m r nikodel
دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

نشانی اینترنتی http://jeg.khu.ac.ir/browse.php?a_code=A-10-460-1&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده زمین شناسی مهندسی
نوع مقاله منتشر شده علمی پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات