پایانی (51444)

سلام موضوع پایان نامه از روی ترجمه مقاله ها ا ،لایه ی ورودی که داده ها را دریافت میکند ، لایه ی پنهان ، لایه ی خروجی و وزن های بین لایه ها میباشد که طرح اختلاط های موجود را جهت پیش بینی مقاومت فشاری بتن بازیافتی وارد کرده و نتایج را بطور دقیق در لایه ی خروجی دریافت خواهیم کرد . روش مطالعه و گردآوری بصورت کتابخانه ای،از مقالات و نشریه های تخصصی از مجله های معتبر علمی مانند “Elsevier”،”Springer”،و دیگر مقالات استفاده شده است و تحلیل مقادیر از طریق زبان برنامه نویسی پایتون در شبکه ی عصبی مصنوعی مورد بررسی قرار می گیرد . اطلاعات مورد نیاز را از طریق زبان برنامه نویسی پایتون درشبکه ی عصبی مصنوعی با مولفه های ورودی و خروجی مورد تحقیق قرار داده را برداشت خواهیم کرد . [1] F. Deng, Y. He, S. Zhou, Y. Yu, H. Cheng, and X. Wu, “Compressive strength prediction of recycled concrete based on deep learning,” Constr. Build. Mater., vol. 175, pp. 562–569, 2018, doi: 10.1016/j.conbuildmat.2018.04.169. [2] F. Khademi, S. M. Jamal, N. Deshpande, and S. Londhe, “Predicting strength of recycled aggregate concrete using Artificial Neural Network, Adaptive Neuro-Fuzzy Inference System and Multiple Linear Regression,” Int. J. Sustain. Built Environ., vol. 5, no. 2, pp. 355–369, 2016, doi: 10.1016/j.ijsbe.2016.09.003. بتن بازیافتی نه تنها می تواند باعث حفظ محیط زیست و منابع موجود در طبیعت گردد بلکه نقش به سزایی در کاهش هزینه ها و توسعه پایدار دارد.سنگ‌دانه‌های خردشده که تحت عنوان سنگ‌دانه‌های بازیافتی نیز شناخته می‌شوند،ضایعات ساختمانی وقطعات و تکه‌هایی از ساختمان‌های بتنی بوده که تخریب‌شده و یا مورد بازسازی قرارگرفته‌اند. علتهای مهم کاربرد سنگ‌دانه‌های بتن خردشده میتواندباعث کربن کمتری در بتن شود وکاهش استفاده از سنگدانه های طبیعی میباشد. یکی از خواص مهم مکانیکی بتن، مقاومت فشاری می باشد که بسیار تأثیر پذیر از طرح اختلاط بتن است. پارامترهایی نظیر عیارسیمان، آب به مواد سیمانی، مواد جایگزین سیمان و غیره بر مقاومت فشاری بتن تأثیر گذار می باشند که با توجه به فراوانی پارامترها، پیشبینی مقاومت فشاری بتن دشوار گردیده است. امروزه مدل سازی به کمک شبکه های عصبی جایگاه ویژهای در علوم فنی و مهندسی پیدا کرده و مدلسازی رفتار مواد که با پیچیدگیهای فراوانی روبروست تا حدودی به کمک شبکه های عصبی مصنوعی میسر شده است. با توجه به مشکلات فعلی تخمین مقاومت فشاری بتن بازیافتی،مدلی پیش بینی برنظریه یادگیری عمیق را پیشنهاد میکند.که نسبت های آب به سیمان،نسبت جایگزین سنگدانه درشت بازیافتی و جایگزین سنگدانه ریز بازیافتی وجایگزین خاکستر بادی وهمچنین ترکیب آنها از طریق یک شبکه عصبی کانولوشنال(CNN)آموخته می شودوسپس مدل پیش بینی با استفاده از رگرسیون توسعه داده می شود.که نتایج نشان دادند که مدل مبتنی بر یادگیری عمیق مزایایی از جمله دقت بالاتر،کارایی بالاتروتوانایی تعمیم بالاتر نسبت به مدل شبکه عصبی سنتی دارد ومیتواند به عنوان یک روش جدید برای محاسبه مقاومت بتن بازیافتی در نظر گرفته شود(1) مقاومت فشاری بتن که به عنوان یکی از مهمترین خواص مکانیکی بتن شناخته شده است به عنوان یکی از ضروری ترین عوامل برای تخمین کیفیت بتن می باشد.که با سه مدل مختلف مورد بررسی قرارگرفت.شبکه عصبی مصنوعی(CNN)وسیستم استنتاج عصبی فازی تطبیقی(ANFIS)ورگرسیون خطی چندگانه (MIR) برای پیش بینی مقاومت فشاری 28روزه بتن با سنگدانه های بازیافتی(RAC)استفاده شد،نتیجه بر این شد که تخمین مقاومت فشاری 28 روزه بتن سنگدانه های بازیافتی توسط ANNوANFISمقایسه باMLRدر مرحله تست،مدلMLRنتیجه بهتری در برداشت.(2) عنوان اصلی بیان مسئله،تخمین مقاومت فشاری بتن ساخته شده با سنگدانه های بازیافتی با استفاده از شبکه عصبی مصنوعی با کمک زبان برنامه نویسی پایتون می باشد، پرداخته ایم ،وبا توجه به مهم بودن یکی از خواص مکانیکی بتن یعنی مقاومت فشاری بتن با استفاده از سنگدانه های بازیافتی،سعی بر این داریم که طرح اختلاط های مقاومت فشاری بتن را بعنوان یکسری مولفه های ورودی در شبکه عصبی مصنوعی وارد کرده وبهترین ودقیق ترین نتیجه را بعنوان خروجی دریافت می کنیم. بازیافت نخاله های ساختمانی حاصل از تخریب ساختمانها ایده ای جهت ارتقا شاخص های زیست محیطی میباشد . که با بازیافت این نخاله ها از یک سو اثر بسیار خوبی بر محیط زیست ،و از سوی دیگر باعث کاهش برداشت از معادن سنگدانه های طبیعی و حفظ این منابع برای آیندگان را نیز میسر میکند .حال تخمین مقاومت فشاری بتن ساخته شده با سنگدانه های بازیافتی را با استفاده از رویکرد شبکه ی عصبی مصنوعی از طریق زبان برنامه نویسی پایتون ،با طرح اختلاط های متفاوت را مورد بررسی قرار خواهیم داد ،که نتایج قابل قبول و مطلوبی را دریافت کنیم. جنبه ی جدید برای تخمین مقاومت فشاری بتن ساخته شده از سنگدانه های بازیافتی با استفاده از شبکه ی عصبی مصنوعی با زبان برنامه نویسی پایتون ،جدید و تاکنون از این مدل شبکه استفاده نشده است. سوال های تحقیق 1-آیا شبکه ی عصبی مصنوعی با زبان برنامه نویسی پایتون توانایی تخمین دقیق مقاومت فشاری بتن ساخته شده با سنگدانه های بازیافتی را دارد یا خیر؟ 2-آیا مقاومت فشاری بتن ساخته شده با سنگدانه های بازیافتی ،مقاومتی که با سنگدانه های طبیعی را دارد، بدست می آورد ؟ فرضیه ی تحقیق از طریق زبان برنامه نویسی پایتون درشبکه ی عصبی مصنوعی به منظور تخمین مقاومت فشاری ساخته شده با سنگدانه های بازیافتی ،با استفاده از مولفه های ورودی و خروجی در مدل نتایج دقیقی را بدست آوریم.و در نتیجه گیری بتن بازیافتی مقاومت بیشتری را نسبت به بتن معمولی با سنگدانه های طبیعی بدست آوریم. شرح کامل ابتدا به جمع آوری یکسری اطلاعات از مقالات و نشریه های تخصصی و معتبر پرداختیم و سپس برای تخمین مقاومت فشاری بتن ساخته شده از سنگدانه های بازیافتی در شبکه ی عصبی با بهره گیری از زبان برنامه نویسی پایتون،که یکی از الگوریتم های یادگیری در" یادگیری ماشین "به شمار می آید که براساس مفهوم زیستی ،شبکه های عصبی ،بنا نهاده شده است.اساسا یک شبکه ی عصبی مصنوعی از مولفه های شامل

Academy

امتیاز : 0/5

لیست پیشنهادها