چکیده مقاله
ساختمان های صنعتی به دلیل هزینه های بالای بهره برداری، نگهداری و تاثیرات زیست محیطی، نیازمند روش های دقیق و سریع برای برآورد هزینه چرخه عمر LCC هستند در این پژوهش، با هدف ارزیابی و انتخاب بهترین ساختار برای ساختمان های صنعتی، مدلی مبتنی بر یادگیری عمیق DBN توسعه داده شده است این مدل با استفاده از داده های حاصل از مطالعات پیشین و آموزش روی یک مجموعه داده بزرگ، قادر به پیش بینی دقیق LCC برای گزینه های مختلف ساختاری و پوششی است نتایج حاصل از هفت مورد تحقیقاتی نشان دهنده دقت بالای مدل در پیش بینی LCC است همچنین، با مقایسه سه نوع قاب ساختاری اصلی بتن مسلح، بتن پیش ساخته/پیش تنیده و فولاد ، مشخص شد که قاب های بتن پیش ساخته/پیش تنیده به دلیل امکان استفاده مجدد از بخش های جدا شده، بهترین گزینه از نظر هزینه چرخه عمر هستند
کلیدواژهها
نویسندگان
Mandana Davoodi
Mandana Davoodi: Graduated Master's degree from Faculty of Art and Architecture.
مهران جانی
فارغ التحصیل رشته مهندسی عمران، گرایش مهندسی و مدیریت ساخت، دانشگاه علم و صنعت ایران
Shahed Akhlaghdoost
Shahed Akhlaghdoost: Graduated bachelor's degree from Faculty of Art and Architecture.
شیوه ارجاع
�انی، مهران،1403،پیاده سازی مدل پیش بینی یادگیری عمیق هزینه چرخه عمر (LCC) بر اساس گزینه های ساختاری ساختمان برای ساختمان های صنعتی،هشتمین کنفرانس بین المللی ایده های راهبردی در معماری، عمران و شهرسازی ایران،مشهد
ارائهشده در
مجموعه مقالات هشتمین کنفرانس بین المللی ایده های راهبردی در معماری، عمران و شهرسازی ایران2 تیر 1403 · مشهد