کاربرد شبکه های عصبی مصنوعی در پیش بینی عمق آبشستگی پایین دست سرریز سیفونی

• مقاله با عنوان: کاربرد شبکه های عصبی مصنوعی در پیش بینی عمق آبشستگی پایین دست سرریز سیفونی 

• نویسندگان: علی توکلی پسند ، ابراهیم جباری ، سروش بردبار ، محمود حمزه ضیابری 

• محل انتشار: هشتمین کنگره ملی مهندسی عمران - دانشگاه صنعتی نوشیروانی بابل - 17 و 18 اردیبهشت 93  

• محور: سازه های هیدرولیکی 

• فرمت فایل: PDF و شامل 8 صفحه می باشد.

چکیــــده:

یکی از مهمترین پدیده‌های مرتبط با سازه‌های هیدرولیکی، پدیده آبشستگی می‌باشد. آبشستگی در پایین دست سرریزها و دانشی که به کمک آن بتوان، دامنه گسترش حفره آبشستگی را پیش بینی نمود، با توجه به خطراتی که این پدیده برای پایداری سد دارد، همواره از موضوعات مورد توجه محققین بوده است. سرریز سیفونی نیز یکی از انواع سرریزها می‌باشد که با توجه به قابلیت‌های خاص خود در سدهای مختلفی طی قرن اخیر، مورد استفاده قرار گرفته است. در این تحقیق با جمع آوری داده‌های آزمایشگاهی و استفاده از سه نوع پرکاربرد شبکه‌های عصبی مصنوعی یعنی شبکه با تغذیه رو به جلو و الگوریتم پس انتشار خطا (FFBP) و شبکه CFBP با تابع آموزش Levenberg-Marquardt و شبکه تابع پایه شعاعی (RBFN) عمق آبشستگی در پایین دست سرریز سیفونی، تخمین زده شده است. شاخص‌های آماری عملکرد قابل قبول شبکه FFBP را با R2=0.94 و RMSE=0.06 در مقایسه با دو نوع دیگر شبکه عصبی و مدل های رگرسیونی خطی و غیر خطی نشان می‌دهد.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF مقالات نام فایل را به انگلیسی Rename کنید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **

تحلیل و طراحی سازه فضاکار با استفاده از الگوریتم شبکه های عصبی

• پایان نامه کارشناسی ارشد مهندسی عمران گرایش سازه با عنوان: تحلیل و طراحی سازه فضاکار با استفاده از الگوریتم شبکه های عصبی 

• دانشگاه علم و صنعت ایران 

• استاد راهنما: دکتر علی کاوه 

• پژوهشگر: مهدی حاج کریم خرازی 

• سال انتشار: بهار 1377 

• فرمت فایل: PDF و شامل 464 صفحه

چکیــــده:

شبکه عصبی مصنوعی که مدل آن بر اساس سیستم عملکرد مغز و اعصاب انسان طراحی شده‌اند، در زمینه‌های مختلف مهندسی از جمله در مهندسی عمران کاربرد پیدا کرده‌اند. تحقیقات فشرده و چشمگیر در 5 سال گذشته انجام گرفته، که این تحقیقات کاربردهای متفاوتی در رشتۀ عمران برای شبکه عصبی معرفی نموده است. از جمله این تحقیقات، تحلیل و طراحی سازه‌ها بوده است. چون مهندسان عمران در تحلیل و طراحی سازه با عملیات محاسباتی سعی و خطا روبرو می‌باشند، با مطرح شدن شبکۀ عصبی گامی جدید و موثر در جهت حل این مشکلات برداشته خواهد شد.

هدف اصلی این رساله انجام مطالعه گسترده در رابطه با شبکه‌های عصبی مختلف از جمله شبکه با انتشار برگشتی می‌باشد. در این رساله شبکه‌های متعددی تعلیم یافته و برای طراحی بعضی از قاب‌ها تربیت شدند. همچنین شبکه‌هایی به منظور تحلیل و طراحی تربیت و تعلیم یافته‌اند. پس از آموزش شبکه‌ها، آنها تحت آزمایش قرار گرفته‌اند و نمودارهایی جهت نتیجه گیری از عملکرد آنها رسم و به نمایش گذاشته شده‌اند. در آزمایش شبکه از برنامه STAAD III استفاده شده است.

امید است که این پایان نامه گامی موثر در هوشمند کردن محاسبات طراحی و تحلیل سازه‌ها باشد.

______________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF ، نام فایل را به انگلیسی Rename کنید. **

** درخواست پایان نامه:

با ارسال عنوان پایان نامه درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن پایان نامه در سایت به راحتی اقدام به خرید و دریافت پایان نامه مورد نظر خود نمایید. **

پیش بینی پارامترهای موثر در طراحی دیوارهای برشی بتنی دارای بازشو با استفاده از شبکه های عصبی مصنوعی

• مقاله با عنوان: پیش بینی پارامترهای موثر در طراحی دیوارهای برشی بتنی دارای بازشو با استفاده از شبکه های عصبی مصنوعی  

• نویسندگان: حسنعلی مسلمان یزدی ، قاسم خلیلی  

• محل انتشار: هشتمین کنگره ملی مهندسی عمران - دانشگاه صنعتی نوشیروانی بابل - 17 و 18 اردیبهشت 93

• محور: سازه های بتنی

• فرمت فایل: PDF و شامل 7 صفحه می باشد.

چکیــــده:

یکی از سیستم‌ها برای طراحی مقاوم سازه‌ها در برابر زلزله، دیوارهای برشی می‌باشند که در دو نوع فولادی و بتنی اجرا می‌گردند. این سازه‌ها وظیفه استهلاک و انتقال بارهای جانبی را بر عهده دارند. مشکلات معماری و به تبع آن معضلات طراحی، یکی از مواردی است که به سبب نیاز بازشو در دیوارهای برشی برای طراحان به وجود می‌آید. لذا با توجه به موثر بودن پارامترهای ارتفاع، عرض، ضخامت دیوار و همچنین موقعیت بازشو بر روی رفتار این نوع سازه‌ها، در این مقاله سعی گردیده است تا مدل سازی‌های تجاری توسط نرم افزار ETABS انجام گیرد و با نرم افزار PERFORM 3D توسط تحلیل غیر خطی بررسی گردد و در نهایت با استفاده از شبکه‌های عصبی مصنوعی راهکارهایی جهت طراحی این نوع سیستم ارائه گردد.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF مقالات نام فایل را به انگلیسی Rename کنید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **

تحلیل خطی و غیرخطی سازه های پرعضو با استفاده از مفاهیم نظریه گراف ها، پردازش موازی و شبکه های عصبی مصنوعی

• رساله دکتری مهندسی عمران با عنوان: تحلیل خطی و غیرخطی سازه های پرعضو با استفاده از مفاهیم نظریه گراف ها، پردازش موازی و شبکه های عصبی مصنوعی 

• دانشگاه علم و صنعت ایران 

• استاد راهنما: پروفسور علی کاوه 

• پژوهشگر: علی داوران 

• سال انتشار: شهریور 1376  

• فرمت فایل: PDF و شامل 236 صفحه

چکیــــده:

در این پایان نامه با بکارگیری مفاهیمی از نظریه گراف‌ها، پردازش موازی و شبکه‌های عصبی مصنوعی، روش‌هایی برای تحلیل سازه‌های پرالمان تهیه گردیده است. انواع سازه‌های اسکلتی و سه نوع سازه اجزاء محدود دو بعدی شامل تنش و کرنش مسطح و خمش صفحات نیمه کلفت تحلیل گردیده‌اند. تحلیل استاتیک خطی، تحلیل دینامیک خطی و تحلیل غیرخطی هندسی (سازه‌های فضاکار) به وسیله یک برنامه کامپیوتری که در زبان فرترن تهیه گردیده است به مرحله اجرا در می‌آید. در این برنامه کلیه اصول پردازش موازی رعایت شده است. لیکن به علت عدم دسترسی به کامپیوتر موازی فعلاً بر روی کامپیوترهای شخصی قابل استفاده است. این برنامه از نظر ظرفیت با نرم افزار SAP 90 قابل مقایسه بوده و در بعضی حالات تحلیل مقادیر ویژه ظرفیت بیشتری نشان داده است.

با استفاده از نتایج نظریه گراف‌ها یک روش مختلط تئوری گراف - جبری پیشنهاد شده است، که با استفاده از آن از حجم محاسبات روش جبری تنصیف طیفی کاسته می‌شود. یک روش جبری برای تنصیف گراف‌های وزن دار پیشنهاد شده است که در افراز دامنه‌های اجزاء محدود توافقی راه حل قابل قبولی را نتیجه داده است. برای افراز دامنه‌های اجزاء محدود توافقی از شبکه‌های عصبی تغذیه مستقیم استفاده بعمل آمده است. با استفاده از روش پیشنهاد شده و شبکه عصبی مستقیم مثال‌هایی برای افراز دامنه‌های المان محدود حل گردیده است که حاکی از رضایت بخش بودن روش حاضر است.

در تحلیل دینامیک مسئله مقدار ویژه به روش تکراری لانزوس حل گردیده و زمان‌های تناوب اصلی و مودهای ارتعاشی سازه تعیین شده است. در ترکیب روش زیر سازه‌ها و روش لانزوس یک مرحله متعامدسازی مجدد اضافه گردیده است و در نتیجه خطاهایی که در نتیجه از دست رفتن تدریجی تعامد مودها بوجود می‌آید، برطرف شده و دقت جواب‌ها تضمین می‌گردد. برای نواری کردن ماتریس‌های سختی زیر سازه‌ها از روش شماره گذاری گراف تئوری جبری استفاده شده است و نتایج آن با یک روش دیگر از نظریه گراف‌ها مقایسه شده است.

______________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF ، نام فایل را به انگلیسی Rename کنید. **

** درخواست پایان نامه:

با ارسال عنوان پایان نامه درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن پایان نامه در سایت به راحتی اقدام به خرید و دریافت پایان نامه مورد نظر خود نمایید. **

پیش بینی رفتار خستگی آلیاژ بیومدیکال Ti6Al4V ELI ساجمه زنی شده با استفاده از شبکه های عصبی مصنوعی

در این مقاله ی کاربردی با فرمت Pdf پیش بینی رفتار خستگی آلیاژ بیومدیکال Ti6Al4V ELI ساجمه زنی شده با استفاده از شبکه های عصبی مصنوعی مورد تحقیق و پژوهش قرار گرفته است
در این تحقیق یک مدل شبکه عصبی مصنوعی برای پیش بینی عمر خستگی، تنش پسماند و شدت آلمن ناشی از زمانهای مختلف ساچمه زنی بر روی نمونه های آلیاژ بیومدیکال Ti6Al4V ELI که فرآیند ساچمه زنی بر روی آن انجام گرفته بود، طراحی و آموزش داده شد. این شبکه به صورت پیشخور طراحی و در آن به منظور حداقل کردن میزان خطا از الگوریتم پسخور استفاده گردید.