کاربرد روش‏ های هوش مصنوعی جهت تخمین مقاومت برشی دیوار برشی بتن‏ آرمه
پذیرفته شده برای ارائه شفاهی ، صفحه 1-9 (9) XML اصل مقاله (756 K)
عنوان دوره: دهمین کنفرانس ملی بتن ایران
نویسندگان
1دانشیار، دانشکده مهندسی عمران، دانشگاه سمنان
2دانشجوی کارشناسی ارشد سازه، دانشکده مهندسی عمران، دانشگاه سمنان
3دانشجوی دکتری، دانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایران
چکیده
دیوارهای برشی نوعی از سیستم‌های سازه‌ای است که مقاومت جانبی ساختمان یا سازه را تأمین می‌کند. بارهای جانبی در یک صفحه و در طول بعد قائم دیوار اعمال می‌شوند. این نوع از بارها، معمولاً به وسیله اعضای دیافراگم یا جمع‌کننده، به دیوار منتقل می‌گردند. سازه های دیوار برشی بتنی مقاومت قابل توجهی در برابر بارگذاری لرزه ای جانبی دارند. پیش بینی مدل برای ظرفیت برشی این دیوارها برای تضمین امنیت لرزه ای ساختمان ضروری است. بنابراین، یک مدل برای تخمین مقاومت برشی دیوارهای بتنی با استفاده از الگوریتم هوش مصنوعی پیشنهاد شده است. پارامترهای ورودی شبکه عصبی شامل ضخامت دیوار برشی بتن آرمه، طول دیوار، نسبت آرماتورگذاری قائم، نسبت آرماتورگذاری عرضی، مقاومت فشاری بتن، تنش تسلیم آرماتورهای عرضی، تنش تسلیم آرماتورهای قائم، نسبت ابعاد در نظر گرفته شده اند. پارامتر هدف، مقاومت برشی دیوار برشی بتن آرمه می باشد. در مجموع 58 داده آزمایشگاهی دیوار برشی بتنی جمع آوری شده است. نتایج تحقیق نشان می دهد شبکه عصبی مصنوعی بهینه با تعداد مشخص نورون در لایه پنهان، با دقت مناسبی می تواند ظرفیت برشی دیوار برشی بتن آرمه را تخمین بزند که نتایج حاصل نشان دهنده آن است که بیشترین درصد تأثیر و کمترین درصد تأثیر در تابع هدف را داشته اند. از طرفی درصد خطا بدست آمده برای پیش بینی ظرفیت برشی 7 درصد می باشد که خطای قابل قبولی در این زمینه است.
کلیدواژه ها
موضوعات
 
Title
Application of Artificial Intelligence Methods to Estimate Shear Strength of Reinforced Concrete Shear Wall
Authors
Hosein Naderpour, Mohammadreza Sharei, Pouyan Fakharian
Abstract
Shear walls are the type of structural systems that provide the lateral resistance to a building or structure. Lateral loads are applied on one plate and along the vertical dimension of the wall. These type of loads are usually transmitted to the wall collectors. Concrete shear walls have a considerable resistance to lateral seismic loading. Model prediction is required for the shear capacity of these walls to ensure the seismic security of the building. Therefore, a model is proposed to estimate the shear strength of concrete walls using an artificial intelligence algorithm. The input parameters of the neural network include the thickness of the reinforced concrete shear wall, the wall length, the vertical reinforcement ratio, the transverse reinforcement ratio, the compressive strength of the concrete, the stresses of the transverse reinforcement, the stresses of the vertical reinforcement, the ratio of the dimensions. The target parameter is the shear strength of the reinforced concrete shear wall. A total of 58 laboratory data was collected on concrete shear walls. The results of the research show that optimum artificial neural network with a specific number of hidden neurons can accurately estimate the shear capacity of reinforced concrete shear walls. The results indicate that the highest percentage of effect and the lowest percentage of effect have a target function. Additionally, the error rate obtained for predicting shear capacity is 7%, which is an acceptable error in this regard.
Keywords
Reinforced Concrete Shear Wall, shear strength, Artificial Neural Network