چکیده مقاله
پیش بینی ضریب نفوذپذیری بتن به عنوان یک پارامتر کلیدی و تاثیرگذار در عمق مفید یک سازه بتنی از اهمیت بالایی برخودار می باشد روشهای تجربی در این زمینه دارای معایبی همچون زمانبری بالا، هزینه زیاد، کمیاب بودن ادوات آزمایشگاهی، وجود یونهای مزاحم در حین آزمایش و ایجادخطاهای ناخواسته و دور شدن از مدل صحیح می باشند؛ لذا در این تحقیق الگوریتم ژنتیک و تجزیه مقادیر منفرد SVD به ترتیب برای بهینه سازی اتصالات و یافتن ضرایب شبکه های عصبی نوع GMDH برای مدل کردن ضریب نفوذپذیری یون کلر در بتن مورد استفاده قرار گرفته اند هدف از این مدل سازی پیدا کردن ارتباط ریاضی بین ضریب نفوذپذیری بتن با پارامترهای موثر بر آن یعنی نسبت آب به سیمان، درجه هیدراتاسیون، درصد حجمی مصالح سنگی و درصد میکروسیلیس می باشد یک روش جدید کدگذاری برای طراحی عمومی شبکه های عصبی نوع GMDH پیشنهاد شده است که محدودیت استفاده از لایه مجاور را ندارد استفاده از این نوع کد گذاری دستیابی به بهینه ترین شبکه از نظر تعداد لایه های مخفی و یا تعداد نرون را میسر می سازد
کلیدواژهها
نویسندگان
ملک محمد رنجبر
استادیار بخش عمران، دانشکده فنی و مهندسیف دانشگاه گیلان، رشت
نادر نریمان زاده
دانشیار بخش مکانیک، دانشکده فنی و مهندسی، دانشگاه گیلان، رشت
حسین بهشتی نژاد
دانشجوی کارشناسی ارشد سازه، دانشکده فنی و مهندسی، دانشگاه گیلان، رشت
علی جمالی
دانشجوی دکتری مکانیک ، دانشکده فنی و مهندسی، دانشگاه گیلان، رشت
شیوه ارجاع
�نجبر، ملک محمد و نریمان زاده، نادر و بهشتی نژاد، حسین و جمالی، علی،1385،پیش بینی ضریب نفوذپذیری بتن با استفاده از شبکه های عصبی نوع GMDH و الگوریتم ژنتیک،هفتمین کنگره بین المللی مهندسی عمران،تهران
ارائهشده در
مجموعه مقالات هفتمین کنگره بین المللی مهندسی عمران17 اردیبهشت 1385 · تهران