| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
پیش بینی استحکام فشاری بتن حاوی خاکستر به وسیله شبکه های عصبی مصنوعی (ANN) و منطق فازی |
| عنوان انگلیسی مقاله: |
Prediction of compressive strength of concrete containing fly ash using artificial neural networks and fuzzy logic |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2015 |
| تعداد صفحات مقاله انگلیسی | 7صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی عمران |
| گرایش های مرتبط با این مقاله | سازه، مدیریت ساخت |
| مجله | علوم مواد محاسباتی – Computational Materials Science |
| دانشگاه | دانشگاه Osmangazi اسکی شهیر، گروه مهندسی عمران، ترکیه |
| کلمات کلیدی | خاکستر بادی، شبکه های عصبی مصنوعی، منطق فازی، مقاومت فشاری |
| شناسه شاپا یا ISSN | ISSN 0927-0256 |
| رفرنس | دارد ✓ |
| لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
| نشریه الزویر |  |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 14صفحه |
| 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 | درج نشده است ☓ |
- فهرست مطالب:
چکیده
1. مقدمه
2. شبکه های عصبی مصنوعی
2.1. ساختار و پارامتر های مدل شبکه عصبی
3. منطق فازی
3.1. سیستم استنتاج منطق فازی
3.2. مدل سیستم استنتاج منطق فازی
4. نتایج و بحث
5. نتیجه گیری
- بخشی از ترجمه:
5. نتیجه گیری ب
رای تخمین مقادیر مقاومت فشاری 7،28 و 90 روزه بتن های حاوی FA کم-آهک و پر-آهک، بدون هیچگونه تلاش آزمایشگاهی، مدل های شبکه عصبی مصنوعی و منطق فازی ساخته شدند. مدل ها با داده های ورودی و خروجی آموزش داده شده اند. تنها با استفاده از داده ورودی در مدل های آموزش داده شده، مقادیر مقاومت فشاری 7،28 و 90 روزه بتن حاوی خاکستر بادی، تخمین زده شد. مقادیر بدست آمده بسیار به نتایج تجربی بدست آمده از آموزش و تست برای مدل های شبکه های عصبی مصنوعی و منطق فازی، نزدیک است. مقادیر آماری RMS، R2 و MAPE که برای مقایسه نتایج آزمایشگاهی با نتایج مدل های YSA و BM این موقعیت را نشان داده اند. به عنوان یک نتیجه، مقادیر مقاومت فشاری بتن با خاکستر بادی را می توان در مدل های شبکه عصبی مصنوعی و منطق فازی بدون هیچگونه تلاش آزمایشگاهی در یک دوره بسیار کوتاه زمان با نرخ خطای اندک، تخمین زد. این نتایج نشان می دهند که شبکه عصبی مصنوعی و منطق فازی روش های قابل تخمینی برای پیش بینی مقادیر مقاومت بتن هستند.
- بخشی از مقاله انگلیسی:
5. ConcJusions
In order to predict the 7, 28 and 90 days compressive strength values of concrete containing high-lime and lowlime FA without attempting any experiments were constructed models in artificial neural networks and fuzzy logic methods. The models were trained with input and output data. Using only the input data in trained models the 7, 28 and 90 days compressive strength values of concrete containing Hy ash was predicted. The values are very closer to the experimental results obtained from training and testing for artificial neural networks and fuzzy logic models. RMS, R2 and MAPE statistical values that calculated for comparing experimental results with YSA and BM model results have shown this situation. As a result, compressive strength values of the Hy ash concretes can be predicted in artificial neural networks and fuzzy logic models without attempting any experiments in a quite short period of time with tiny error rates. These conclusions have shown that artificial neural networks and fuzzy logic are practicable methods for predicting compressive strength values of concrete.
|
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
|
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
پیش بینی استحکام فشاری بتن حاوی خاکستر به وسیله شبکه های عصبی مصنوعی (ANN) و منطق فازی |
| عنوان انگلیسی مقاله: |
Prediction of compressive strength of concrete containing fly ash using artificial neural networks and fuzzy logic |
|
|