دانلود ترجمه مقاله تحولات اخیر در شناسایی آسیب سازه ها با استفاده از داده کاوی (SciELO 2017) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

scielo2

 

 

این مقاله انگلیسی ISI در نشریه SciELO در ۲۹ صفحه در سال ۲۰۱۷ منتشر شده و ترجمه آن ۲۹ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

تحولات اخیر در شناسایی آسیب سازه ها با استفاده از داده کاوی

عنوان انگلیسی مقاله:

Recent Developments in Damage Identification of Structures Using Data Mining

 

 

مشخصات مقاله انگلیسی 
فرمت مقاله انگلیسی pdf و ورد تایپ شده با قابلیت ویرایش 
سال انتشار ۲۰۱۷
تعداد صفحات مقاله انگلیسی ۲۹ صفحه با فرمت pdf
نوع مقاله ISI
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله مهندسی عمران
گرایش های مرتبط با این مقاله سازه، مدیریت ساخت
چاپ شده در مجله (ژورنال) مجله آمریکای لاتین جامدات و ساختارهای – Latin American Journal of Solids and Structures
کلمات کلیدی تکنیک داده کاوی، شبکه عصبی مصنوعی، الگوریتم ژنتیک، شناسایی آسیب سازه‌ای، تحلیل مؤلفه های اصلی
کلمات کلیدی انگلیسی  Structural damage detection – data mining technique – artificial neural network – genetic algorithm – principal component analysis
ارائه شده از دانشگاه گروه مهندسی عمران، دانشگاه مالایا، کوالالامپور، مالزی
نمایه (index) Scopus – DOAJ – JCR
نویسندگان Meisam Gordan، Hashim Abdul Razak، Zubaidah Ismail، Khaled Ghaedi
شناسه شاپا یا ISSN ISSN ۱۶۷۹-۷۸۱۷
شناسه دیجیتال – doi https://doi.org/10.1590/1679-78254378
ایمپکت فاکتور(IF) مجله ۱٫۳۳۶ در سال ۲۰۱۸
شاخص H_index مجله ۲۴ در سال ۲۰۱۹
شاخص SJR مجله  ۰٫۴۷۴ در سال ۲۰۱۸
شاخص Q یا Quartile (چارک) Q2 در سال ۲۰۱۸
بیس نیست 
مدل مفهومی ندارد 
پرسشنامه ندارد 
متغیر ندارد 
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۰۲۴۷
لینک مقاله در سایت مرجع لینک این مقاله در نشریه SciELO
نشریه SciELO

 

مشخصات و وضعیت ترجمه فارسی این مقاله 
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۲۹ صفحه (۷ صفحه رفرنس انگلیسی) با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است  
ترجمه متون داخل تصاویر ترجمه نشده است 
ترجمه متون داخل جداول ترجمه نشده است 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است  
منابع داخل متن به صورت فارسی درج شده است  
منابع انتهای متن به صورت انگلیسی درج شده است  

 

فهرست مطالب

چکیده
۱ مقدمه
۲ داده‌کاوی (DM)
۳ داده‌کاوی مبتنی بر رده‌بندی و پیش‌بینی در شناسایی آسیب سازه‌ای
۳-۱ شبکه عصبی مصنوعی (ANN)
۳-۲ تکنیک منطق فازی
۳-۳ رده‌بندی
۳-۴ ماشین بردار پشتیبانی (SVM)
۳-۵ تحلیل رگرسیون
۳-۶ تحلیل مؤلفه‌های اصلی (PCA)
۳-۷ تحلیل بیزی
۳-۸ دسته‌بندی
۳-۹ درخت تصمیم
۴ داده‌کاوی مبتنی بر بهینه‌سازی در شناسایی آسیب سازه‌ای
۴-۱ الگوریتم‌های ژنتیک (GA)
۴-۲ بهینه‌سازی دسته ذرات (PSO)
۴-۳ بهینه‌سازی کلونی مورچه‌ها (ACO)
۵ نتایج و تشریح مطالب
۵-۱ مقایسه کاربردهای تکنیک‌های داده کاوی در نظارت بر سلامت سازه‌ها
۵-۲ قابلیت‌ها و محدودیت‌ها
۶ نتیجه‌گیری

 

بخشی از ترجمه

چکیده

معمولاً سازه‌های عمرانی طی عمر بهره‌برداری‌شان به آسیب حساس‌اند و این امر منجر به از بین رفتن قابلیت بهره‌برداری و ایمنی‌شان می‌شود. بنابراین، یکپارچگی سازه‌ها را می‌توان با ارزیابی آسیب تضمین کرد. در نتیجه، روش شناسایی آسیب سازه‌ای که شامل دو جزء است، یعنی مجموعه‌ای از شتاب‌سنج‌ها برای ثبت داده‌های پاسخ سازه‌ای و شیوه داده‌کاوی (DM)، در استخراج اطلاعات سلامت سازه کاربرد وسیعی دارد. در چند دهه اخیر، شیوه داده‌کاوی به جهت قابلیت محاسباتی بالای‌اش به عنوان تکنیکی جامع راهکارهای بسیاری را برای مسائل نظارت بر سلامت سازه (SHM) فراهم کرده است. این مقاله با مروری گسترده بر مقالات مرتبط با کاربرد تکنیک‌های داده‌کاوی (DMT) مورد هدف در روش‌های داده‌کاوی مبتنی بر رده‌بندی، پیش‌بینی و بهینه‌سازی، اولین تلاشی را که برای تشریح کاربرد این تکنیک‌ها در SHM صورت گرفت معرفی می‌کند. براساس این رده‌بندی، کاربردهای تکنیک‌های داده‌کاوی در زمینه تحقیقاتی SHM رده‌بندی می‌شوند و نتیجه می‌گیریم که در دهه گذشته، کاربردهای‌شان در حوزه SHM با روندی روزافزون به مرحله پیاده‌سازی رسیده است، و مشهورترین تکنیک‌ها در این زمینه به‌ترتیب شبکه عصبی مصنوعی (ANN)، تحلیل مؤلفه‌های اصلی (PCA) و الگوریتم ژنتیک (GA) بوده‌اند.

 

۶- نتیجه‌گیری

داده‌کاوی تنها یکی از مهم‌ترین مراحل فرآیند کشف دانش در پایگاه‌های داده (KDD) برای استخراج مدل‌ها، الگوها و قوانین از داده‌های خام پایگاه‌های داده بزرگ است. سه روش اصلی را می‌توان برای مسائل سازه‌ای واقعی بکار گرفت: تکنیک‌های آماری، تکنیک‌های یادگیری ماشین و تکنیک‌های هوش مصنوعی. در این مقاله، بسیاری از تکنیک‌های مختلف داده‌کاوی که از سال ۲۰۰۰ در زمینه SHM کاربرد داشتند بررسی شدند و، سپس، ایده، روش، قابلیت‌ها و معایبشان مورد بحث قرار گرفت. با توجه به اطلاعات ارائه‌شده، می‌توان به نتیجه‌گیری‌های زیر رسید: تکنیک‌های PCA، ANNو GA به‌ترتیب رایج‌ترین تکنیک‌های داده‌کاوی در زمینه SHM هستند که برای شناسایی آسیب سازه‌ای انواع گوناگون سازه‌های عمرانی بکار می‌روند؛ نظیر ساختمان، پل، تیر بتن‌مسلح، سد، سازه‌های خرپایی و صفحات فولادی.

 

بخشی از مقاله انگلیسی

Abstract

Civil structures are usually prone to damage during their service life and it leads them to loss their serviceability and safety. Thus, damage assessment can guarantee the integrity of structures. As a result, a structural damage detection approach including two main components, a set of accelerometers to record the response data and a data mining (DM) procedure, is widely used to extract the information on the structural health condition. In the last decades, DM has provided numerous solutions to structural health monitoring (SHM) problems as an all-inclusive technique due to its powerful computational ability. This paper presents the first attempt to illustrate the data mining techniques (DMTs) applications in SHM through an intensive review of those articles dealing with the use of DMTs aimed for classification-, prediction- and optimization-based data mining methods. According to this categorization, applications of DMTs with respect to SHM research area are classified and it is concluded that, applications of DMTs in the SHM domain have increasingly been implemented, in the last decade and the most popular techniques in the area were artificial neural network (ANN), principal component analysis (PCA) and genetic algorithm (GA), respectively.

 

۶- CONCLUSION

DM is just one of the very important steps in the Knowledge Discovery in Databases (KDD) process to extract the models, patterns and rules from raw data in large databases. There are three main approaches, namely statistical techniques, machine learning techniques and artificial intelligence techniques to apply in structural real world problems. In this paper, various DMTs which are applicable to SHM from 2000 were widely reviewed and, consequently, their main concept, methodologies, capabilities and drawbacks were discussed. Based on the presented information, the following conclusions can be drawn.  ANN, PCA and GA are the most common DMTs in SHM, respectively, in order to structural damage identification of various types of civil structures; buildings, bridges, reinforced concrete beams, dams, truss structures, and steel plates.

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

تحولات اخیر در شناسایی آسیب سازه ها با استفاده از داده کاوی

عنوان انگلیسی مقاله:

Recent Developments in Damage Identification of Structures Using Data Mining

 

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *