پیش بینی مقاومت برشی تیرهای عمیق بتن مسلح با استفاده از روش ماشین بردار پشتیبان حداقل مربعات وزن دار | ||
| نشریه مهندسی عمران امیرکبیر | ||
| مقاله 14، دوره 53، شماره 9، آذر 1400، صفحه 3867-3882 اصل مقاله (2.13 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2020.18122.6775 | ||
| نویسندگان | ||
| محمدرضا محمدی زاده* 1؛ فرناز اسفندنیا2 | ||
| 1استادیار | ||
| 2گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه هرمزگان، بندرعباس، ایران | ||
| چکیده | ||
| مقاومت برشی تیرهای عمیق بتن مسلح (RC) وابسته به پارامترهای مکانیکی و هندسی تیر تغییر مینماید. برآورد دقیق مقاومت برشی در تیرهای عمیق بتن مسلح یکی از اصلیترین موضوعات در طراحی سازههای مهندسی است. با این حال، پیشبینی مقاومت برشی در این نوع تیرها از دقت بالایی برخوردار نیست. یکی از روشهای تخمین نسبتا دقیق مقاومت برشی استفاده از هوش مصنوعی میباشد. هوش مصنوعی دارای روشهای مختلفی است که یکی از این روشها استفاده از تکنیک هوش مصنوعی (AI) مبتنی بر روش ماشین بردار پشتیبان است. در این مطالعه برای پیشبینی ظرفیت برشی تیرهای عمیق بتن مسلح از روش ماشین بردار پشتیبان حداقل مربعات وزندار (WLS-SVM) که روشی نسبتا جدید و کارامد است، استفاده شده است. برای این منظور ابتدا یک بانک اطلاعاتی شامل نتایج آزمایشگاهی مربوط به تیرهای عمیق بتن مسلح جمعآوری شد. سپس پس از تعیین پارامترهای ورودی و خروجی با کمک فرآیند آموزشی در روش WLS-SVM و با استفاده از بخشی از دادههای جمعآوری شده، مدلی برای پیشبینی مقاومت برشی تیرهای عمیق بتن مسلح ایجاد شد. به منظور تعیین دقت روش WLS-SVM، نتایج به دست آمده با نتایج حاصل از سایر روشهای هوش مصنوعی و آییننامههای مختلف مورد ارزیابی و مقایسه قرار گرفت. بررسیهای آماری نشان داد که روش WLS-SVM دارای بهترین عملکرد از نظر پارامترهای ارزیابی آماری (0/9887 = R2 و 107/0=RMSE و 0/478 =MAE و 9/48%=MAPE ) نسبت به سایر روشها هستند. بنابراین این مطالعه نشان میدهد که میتوان از روش WLS-SVM به عنوان ابزاری کارآمد در طراحی تیرهای عمیق استفاده نمود. | ||
| کلیدواژهها | ||
| تیر عمیق بتن مسلح؛ مقاومت برشی؛ هوش مصنوعی؛ ماشین بردار پشتیبان حداقل مربعات وزندار | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 912 تعداد دریافت فایل اصل مقاله: 1,247 |
||
| تعداد نشریات | 9 |
| تعداد شمارهها | 455 |
| تعداد مقالات | 5,771 |
| تعداد مشاهده مقاله | 8,375,223 |
| تعداد دریافت فایل اصل مقاله | 6,933,601 |