دانشگاه گیلان
معاونت پژوهش و فناوری دانشگاه گیلان
انتشارات دانشگاه گیلان

 آمار

تعداد نشریات32
تعداد شماره‌ها865
تعداد مقالات8,428
تعداد مشاهده مقاله53,487,847
تعداد دریافت فایل اصل مقاله9,598,883
اقلیمی, زعید, میرگذارلنگرودی, میرعلیمحمد, پوراحمدی صفت عربانی, حامد. (1405). پیش‌بینی داده‌محور و مدل‌سازی احتمالاتی مقاومت محوری ستون‌های فولادی پرشده با بتن (CFST) با استفاده از شبکه عصبی مصنوعی. فیزیولوژی و بیوتکنولوژی آبزیان, (), -. doi: 10.22124/jcr.2026.33264.1738
زعید اقلیمی; میرعلیمحمد میرگذارلنگرودی; حامد پوراحمدی صفت عربانی. "پیش‌بینی داده‌محور و مدل‌سازی احتمالاتی مقاومت محوری ستون‌های فولادی پرشده با بتن (CFST) با استفاده از شبکه عصبی مصنوعی". فیزیولوژی و بیوتکنولوژی آبزیان, , , 1405, -. doi: 10.22124/jcr.2026.33264.1738
اقلیمی, زعید, میرگذارلنگرودی, میرعلیمحمد, پوراحمدی صفت عربانی, حامد. (1405). 'پیش‌بینی داده‌محور و مدل‌سازی احتمالاتی مقاومت محوری ستون‌های فولادی پرشده با بتن (CFST) با استفاده از شبکه عصبی مصنوعی', فیزیولوژی و بیوتکنولوژی آبزیان, (), pp. -. doi: 10.22124/jcr.2026.33264.1738
اقلیمی, زعید, میرگذارلنگرودی, میرعلیمحمد, پوراحمدی صفت عربانی, حامد. پیش‌بینی داده‌محور و مدل‌سازی احتمالاتی مقاومت محوری ستون‌های فولادی پرشده با بتن (CFST) با استفاده از شبکه عصبی مصنوعی. فیزیولوژی و بیوتکنولوژی آبزیان, 1405; (): -. doi: 10.22124/jcr.2026.33264.1738

پیش‌بینی داده‌محور و مدل‌سازی احتمالاتی مقاومت محوری ستون‌های فولادی پرشده با بتن (CFST) با استفاده از شبکه عصبی مصنوعی

تحقیقات بتن
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 29 تیر 1405
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22124/jcr.2026.33264.1738
نویسندگان
زعید اقلیمی؛ میرعلیمحمد میرگذارلنگرودی* ؛ حامد پوراحمدی صفت عربانی
گروه مهندسی عمران، واحد فومن و شفت، دانشگاه آزاد اسلامی، فومن، ایران
چکیده
هدف این پژوهش، توسعه‌ی یک مدل پیش‌بینی مبتنی بر شبکه عصبی مصنوعی (ANN) برای برآورد ظرفیت محوری ستون‌های فولادی پرشده با بتن (CFST) تحت بار محوری است. برای این منظور، پایگاه داده‌ای جامع شامل ۹۵ نمونه‌ی آزمایشگاهی از منابع معتبر گردآوری شد تا طیف گسترده‌ای از ویژگی‌های هندسی و مصالح پوشش داده شود. یک شبکه عصبی پیش‌خور چندلایه با معماری بهینه طراحی و آموزش داده شد تا روابط غیرخطی میان پارامترهای ورودی و ظرفیت محوری ستون‌های CFST را مدل‌سازی کند. مدل پیشنهادی دقت بالایی از خود نشان داد؛ به‌طوری‌که ضرایب همبستگی در داده‌های آموزش، اعتبارسنجی و آزمون به‌ترتیب برابر ۰٫۹۹۶۸، ۰٫۹۶۶۳ و ۰٫۹۶۱۲ و در مجموعه داده‌ی مستقل برابر ۰٫۹۹۹۴ به‌دست آمد. تحلیل حساسیت مبتنی بر روش Garson نشان داد نسبت قطر به ضخامت بیشترین تأثیر (۳۱٫۳۹٪) و نسبت لاغری ستون کمترین تأثیر (۱۳٫۹۹٪) را بر ظرفیت محوری دارد. افزون بر این، یک چارچوب محاسباتی صریح بر مبنای وزن‌ها و بایاس‌های آموزش‌یافته‌ی شبکه ارائه شد تا امکان محاسبه‌ی مستقیم ظرفیت محوری بدون نیاز به اجرای مجدد شبکه فراهم شود. در نهایت، براساس آزمون‌های برازش، توزیع مقادیر حدی تعمیم‌یافته (GEV) به‌عنوان مناسب‌ترین تابع توزیع احتمال برای مدل‌سازی ظرفیت محوری ستون‌های CFST معرفی گردید. مدل و چارچوب محاسباتی پیشنهادی، ابزاری مؤثر، دقیق و قابل تعمیم برای پیش‌بینی عملکرد محوری ستون‌های CFST در طراحی و ارزیابی سازه‌ای فراهم می‌سازد.
کلیدواژه‌ها
ستون‌های فولادی پرشده با بتن؛ پیش‌بینی مقاومت محوری؛ شبکه عصبی مصنوعی؛ تحلیل حساسیت؛ مدل‌سازی احتمالاتی
آمار
تعداد مشاهده مقاله: 3


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب