تخمین خواص اساسی بتن های با مقاومت بالا (HSC) با روشهای آماری و شبکه های عصبی مصنوعی(ANNS) و مقایسه آنها
نام عام مواد
[پایاننامه]
نام نخستين پديدآور
/مهدی رضایی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
دانشگاه صنعتی سهند
تاریخ نشرو بخش و غیره
، دی ماه ۱۳۸۲
مشخصات ظاهری
نام خاص و کميت اثر
۱۶۶
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به کتابنامه ، واژه نامه و نمایه های داخل اثر
متن يادداشت
کتابنامه در انتهای پایان نامه
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی عمران- سازه
کسي که مدرک را اعطا کرده
دانشگاه صنعتی سهند
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
در این پایان نامه سعی بر آن بوده است که با استفاده از روشهای آماری و شبکههای عصبی ، گام موثری را راستای حل مسالهای برداریم که روشهای ارائه شده تاکنون عندتا تجربی و یا نیمه تجربی ء بر اساس دادههای فراهم شده در شرایط متفاوت سایر تحقیقات بوده است نیاز به برآورد خواص بتن به عنوان یم ماده مرکب بوسیله مدلهای ریاضی و بیولوژیکی و تاثیر هریک از اجزا< آن در چگونگی تغییرات خواص در علوم مندسی عمران همواره مسالهای جدی بوده است . دلیل این امر شاید نیاز یه زمان طولانی برای تعیین برخی از خواص بتن از قبیل مقاومت دراز مدت، دوام و نیز وقتگیر بودن آزمایشهای بتن و لزوم انجام مکرر برخی از آنها و پیچیدگی ارتباط عوامل تاثیر گذار در خاصیت مورد نظر است . مدلهای رگرسیونی و روشهای آماری اگر چه نخستین ابزارها برای نیل به هدف فوق میباشند اما عم انعطاف پذیری این ابزارهاو کارایی کم آنها در تخمین خواص بتن از جمله دلایلی هستند که ما را بر آن می داردبدنبال ابزاری جایگزین و قدرتمند باشیم، یکی از بهترین ابزارها شبکههای عصبی مصنوعی A.N.Ns است. اراده مدلی برای برآورد مقاومت مشخصه، کوتاه مدت و بلند مدت بهمراه روانی و وزن مخصوص آن توسط رگرسیونهای چند بعدی و شبکههای عصبی مصنوعی مهمترین هدفی می باشد که در این پایان نامه تعقیب شده سات جهت نیل به این منظور مدلهای مختلف آماری و تکنیک Stepwise در بخش آماری و الگوریتمهای متفاوت آموزشی پس از انتشار خطا در بخش شبکههای عصبی بهمراه معرفی دادهها در فرمهای مختلف مورد استفاده قرار گرفته است . جمعآوری اطلاعات مناسب و کافی برای آموزش و آزمایش کارایی شبکههای عصبی و مدلهای آماری قطعا یکی از اساسی ترین مراحل این تحقیق بوده است در این روند ۹۳۶ نمونه بتنی با استفاده از ۱۰۸ طرح اختلاط در محدودهی بتنهای رایج با مقاومت بالا در آزمایشگاه بتن دانشگاه صنعتی سهند تهیه و مورد آزمایش قرار گرفتند در بخش آماری تحقیق با استفاده از بسط تیلور مکلورن n بعدی و انتخاب توان مناسب و آنگاه تکنیک Stepwise به روشی به مراتب کاراتر از روشهای آماری معرفی شده دست یازیدیم در بخش شبکههای عصبی مصنوعی الگوریتمهای متفاوت آموزشی پس انتشار خطا با بردارهای ورودی متفاوت و لایه میانی متغیر جهت تعیین الگوریتم و توپولوژی بهینه مورد استفاده قرار گرفته است.طرح اختلاطهای بعمل آمده شامل سیمان ( پرتلند نوع ( II، آب، فوق العاده روان کننده ، میکروسیلیس ، ریز دانه و درشت دانه بوده است که روانی ، مقاومت ۷ روزه ، مقاومت ۲۸ روزه، مقاومت ۹۰ روزه و وزن مخصوص آنها اندازه گیری شده است. در بخش آماری، دادهها بفرمهای مختلفی چون خام ، تگاریتمی ، معکوس بدون بعد، رادیکالی مورد استفاده قرار گرفته است در حالیکه در شبکههای عصبی دادهها در فرم بدون بعد و خام مورد استفاده قرار گفته است. برای آموزش شبکههای عصبی مصنوعی از ۸۱ طرح اختلاط- که بتصادف از ۱۰۸ طرح اختلاط انتخاب شده است استفاده شده است و بقیه طرح اختلاطها برای آزمایش کارایی شبکه بکار رفتهاند پس از آموزش شبکه و کنترل کارایی شبکه و مشخص شدن اوزان تنظیمی ، نسبت به آنالیز حساسیت دادهها اقدام کردهایم نایج حاصل از هر مدل همخوانی بسیار مناسبی با مقادیر واقعی دادههای آزمایشی نشان میدهد
اصطلاحهای موضوعی کنترل نشده
اصطلاح موضوعی
خواص بتن های با مقاومت بالا
اصطلاح موضوعی
روشهای آماری
اصطلاح موضوعی
شبکههای عصبی مصنوعی
اصطلاح موضوعی
شبکه های عصبی مصنوعی
اصطلاح موضوعی
رگرسیونهای چند بعدی
اصطلاح موضوعی
بتنهای با مقاومت بالا HSC
اصطلاح موضوعی
اعداد بدون بعد
اصطلاح موضوعی
اعداد تصحیح شده
اصطلاح موضوعی
مقاومت فشاری
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )