این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدلسازی در مهندسی، جلد ۱۸، شماره ۶۲، صفحات ۹۹-۱۱۳
عنوان فارسی ارزیابی عملکرد مدل های شبکه عصبی مصنوعی، نروفازی و رگرسیون چند متغیره در پیش بینی مقاومت فشاری بتن به کمک روش بارنقطه ای
چکیده فارسی مقاله امروزه تعیین مقاومت بتن درجا مورد توجه می‌باشد. ضرورت انجام آزمایشات درجا را می‌توان در عامل‌های مختلفی چون تغییر یا توسعه سازه، بررسی کیفیت، ارزیابی مقاومت و عملکرد بتن جستجو نمود. در این پژوهش عملکرد مدل‌های شبکه عصبی مصنوعی، نروفازی تطبیقی و رگرسیون چندمتغیره با هدف سنجش مقاومت فشاری بتن با روش بارنقطه‌ای مورد مطالعه قرار می‌گیرد. همچنین رابطه‌ای محاسباتی بر اساس روش رگرسیون چند‌متغیره برای پیش‌بینی مقاومت فشاری بتن با روش بارنقطه‌ای ارائه می‌گردد. نتیجه‌ها نشان‌دهنده مناسب بودن مدل‌های شبکه عصبی، نروفازی و رگرسیون در پیش‌بینی مقاومت بتن به روش بارنقطه‌ای می‌باشد. ضریب همبستگی برای مدل شبکه عصبی، نروفازی و رگرسیون غیر خطی به ترتیب 9412/0، 8244/0 و 8938/0 می‌باشند که نشاندهنده خطای کمتر و در‌نتیجه دقت و عملکرد بهتر شبکه عصبی در پیش‌بینی مقاومت بتن به روش بارنقطه‌ای دارد. نتیجه این پژوهش نشان داد که توافق خوبی میان سنجش مقاومت فشاری بتن به کمک روش‌های مبتنی بر محاسبات نرم و مشاهدات واقعی وجود دارد که علاوه بر سهولت، موجب کاهش زمان ارزیابی مقاومت بتن درجا و کاهش هزینه‌ی مطالعات آزمایشگاهی می‌شود.
کلیدواژه‌های فارسی مقاله مقاومت فشاری بتن، روش بارنقطه ای، محاسبات نرم، شبکه عصبی مصنوعی، سیستم نروفازی، رگرسیون چندمتغیره،
عنوان انگلیسی Evaluation of artificial neural network, neuro-fuzzy and multivariate regression modelling for prediction of concrete compressive strength via point load test
چکیده انگلیسی مقاله Nowadays, the determination of in place concrete strength is more considered. The necessity of in situ testing can be expressed in a variety of applications such as structural change or development, quality control, strength evaluation and concrete performance. In this study the performance of Artificial neural network, Adaptive neuro-fuzzy and Multivariate regression function for measuring the concrete compressive strength with point load method are studied. Also, a computational relation is presented based on multivariate regression method for prediction of concrete compressive strength with point load method. The results indicated that the neural network, neuro-fuzzy and regression models are suitable in prediction of concrete strength with point load method. The correlation coefficients of neural network, neuro-fuzzy and nonlinear regression models were obtained 0.9412, 0.8244 and 0.8938 respectively. This indicates less error and as a result better accuracy and performance of neural network in prediction of concrete strength with point load method. The results of this study showed that there is good agreement between concrete compressive strength test with soft computing methods and real observations. The proposed method of this study, in addition to ease, reduces the time of evaluation of in situ concrete strength and reduces the cost of laboratory studies.
کلیدواژه‌های انگلیسی مقاله مقاومت فشاری بتن, روش بارنقطه ای, محاسبات نرم, شبکه عصبی مصنوعی, سیستم نروفازی, رگرسیون چندمتغیره
نویسندگان مقاله میثم عفتی |
استادیار، دانشکده فنی، دانشگاه گیلان

رحمت مدندوست |
دانشیار، دانشکده فنی، دانشگاه گیلان

زینب فلاح زرجو بازکیایی |
دانشجوی دکتری، دانشگاه گیلان

نشانی اینترنتی https://modelling.semnan.ac.ir/article_4682_6ab72d51ddb604409a26f1ff205dddb0.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات