پایان نامه کارشناسی ارشد:بررسی عملکرد روشهای عددی مطرح در پیشبینی مقاومت فشاری بتن الیافی و مقایسه آن با رابطههای تجربی
- فایل زیر شامل
۱- عدد فایل ورد پایان نامه ارشد به همراه فایل پی دی اف به تعداد ۱۳۰ صفحه است.
۲- فایل نرم افزاری و ستاپ حل برای فصل چهارم پایان نامه است.
چکیده
بتن ازجمله پرمصرفترین مصالح ساختمانی در دنیا میباشد. با گسترش استفاده از بتن، ویژگیهایی همچون کیفیت، دوام، تراکم و بهینهسازی آن از اهمیت ویژهای برخوردار است. در خصوص بتن خود تراکم یا SCC که بتنی بسیار سیال، روان و مخلوطی همگن است و بسیاری از مشکلات بتن معمولی نظیر جداشدگی، آب اندازی، جذب آب، نفوذپذیری و … را مرتفع نموده، میتوان در مورد دستیابی به روابط تجربی جهت پیشبینی مقاومت فشاری آن پرداخت. شبکههای عصبی مصنوعی یا ANN بهطور خودکار روابط بین متغیرها را مدیریت کرده و بر مبنای دادههای مورداستفاده در فرآیند آموزش تطبیق میدهند. دراینارتباط جمعآوری تعداد مناسب اطلاعات آزمایشگاهی از اهمیت خاصی برخوردار است. در استفاده از ANN، یک پایگاه داده با استفاده از آزمایشهای موجود بر روی نتایج مقاومت فشاری در نمونههای بتن بهمنظور بررسی تأثیر متغیرهای مختلف ایجاد میگردد.
در این تحقیق از دو نرمافزار Matlab و Minitab بهره جستهایم. نرمافزار MaTlab یک ابزار قوی ریاضی و مهندسی در جهت شبیهسازی و مدلسازی سیستمهای مختلف است. همچنین MiniTab یک نرمافزار کنترل کیفیت آماری برای تجزیهوتحلیل دادهها میباشد.
در این پایاننامه سعی گردیده است تا رابطه پیشنهادی برای مقاومت فشاری بتن الیافی خودتراکم ارائه میشود. در ارتباط با تعداد نمونهها، تعداد ۱۴۰ دیتا از مقاله Murat Pala (2005) استخراج گردیده است. در پایان، نتایج حاصل از مدل شبکه عصبی و نیز مدل فازی با رابطه پیشنهادی و دادههای آزمایشگاهی مقایسه گردید، که نتایج حاکی از دقت قابلقبول رابطه پیشنهادی است. برای مدل شبکه عصبی پایه شعاعی خطای RSE برای دادههای تست (مجموعه شبیهسازی) ۱۱٫۸۲% بود و این در حالی است برای مدل شبکه عصبی فازی و رابطه پیشنهادی به ترتیب برابر ۲۳٫۴۳% و ۲۲٫۶۵% به دست آمد. همچنین مقادیر ضرایب همبستگی برای مدلهای ANN، فازی و رابطه پیشنهادی در مجموعه شبیهسازی (مجموعه خارج از مدلسازی) به ترتیب برابر ۰٫۹۹، ۰٫۹۴ و ۰٫۸۰۶۱ به دست آمد که قدرت بالای پیشگویی رابطه پیشنهادی را نشان میدهد.
فهرست مطالب
چکیده…………………………………………………………………………………………………………………………………………………. ۱
۱-۴جنبه جدید بودن و نوآوری در تحقیق.. ۸
۱-۷تشریح مختصر از فصول پایان نامه. ۹
۳-۲ساختار مصالح پلیمری مسلح شده با فیبر(FRP) 27
۳-۵مشخصات اساسی محصولات کامپوزیتی FRP. 33
۳-۵-۱مقاومت در مقابل خوردگی.. ۳۳
۳-۵-۱۰دوام کامپوزیتهای FRP. 36
۳-۵-۱۱پیر شدگی فیزیکی ماتریس پلیمر. ۳۷
۳-۵-۱۳تأثیرات حرارتی – رطوبتی.. ۴۱
۴-۴معرفی نرمافزار MATLAB.. 48
۴-۵-۳چرا از شبکههای عصبی استفاده میکنیم. ۵۱
۴-۷مدلهای پیشبینی مقاومت- مدت با استفاده از شبکه عصبی و نتایج پیشبینی.. ۵۲
۴-۹آموزش پارامترها و پیشبینی.. ۵۳
۴-۱۰ساختار و پارامترها در مدل RBFNN.. 54
۴-۱۲-۱سیستمهای استنتاج فازی تطبیقی.. ۵۶
۴-۱۲-۳معرفی نرمافزار MiniTab. 60
۴-۱۲-۴تحلیل دادهها با استفاده از نرمافزار MiniTab. 62
۴-۱۲-۵واردکردن دادهها در MiniTab. 62
۴-۱۲-۶انتخاب آزمون و روش آماری مناسب… ۶۳
۴-۱۲-۷روش ارائه معادله در MiniTab. 65
۵-۳مدلسازی با استفاده از شبکه عصبی.. ۶۹
۵-۴بدست آورن مقادیر مناسب شبکه عصبی.. ۷۱
۵-۵-۱بهینه کردن مقادیر MO.. 73
۵-۵-۲بهینه سازی تعداد نورون ها ۷۴
۵-۵-۳بهینه سازی مقادیرIT )تعداد تکرار) ۷۶
۵-۷بررسی مقادیر خطا روی پاسخ های حاصل از داده های آموزشی شبکه عصبی.. ۸۴
۵-۸ارزیابی نهایی مدل های طراحی شده و مقایسه مدل ها با هم. ۸۵
۵-۹ارزیابی شبکه عصبی مصنوعی توسط داده های شبیه سازی شده ۸۵
۵-۱۰معادله ارائه شده مقاومت بتن توسط MiniTab. 86
۵-۱۱مقایسه و ارزیابی رابطه ارائه شده توسط MiniTAB با مقادیر واقعی و رابطه های دیگر محققین.. ۸۸
۵-۱۲مقایسه نتایج تحقیق حاضر با کار محققین گذشته. ۹۲
۵-۱۲-۱مقایسه کار حاضر با کار هولت… ۹۲
۵-۱۲-۲مقایسه کار حاضر با کار کئلک… ۹۲
۵-۱۲-۳مقایسه کار حاضر با کار گیوی.. ۹۳
۵-۱۲-۴مقایسه کار حاضر با کار ویلد. ۹۳
۵-۱۲-۵مقایسه کار حاضر با کار هان. ۹۴