• صفحه اصلی
  • مرور
    • شماره جاری
    • بر اساس شماره‌های نشریه
    • بر اساس نویسندگان
    • بر اساس موضوعات
    • نمایه نویسندگان
    • نمایه کلیدواژه ها
  • اطلاعات نشریه
    • درباره نشریه
    • اهداف و چشم انداز
    • اعضای هیات تحریریه
    • اعضای مشورتی هیات تحریریه
    • همکاران دفتر نشریه
    • اصول اخلاقی انتشار مقاله
    • بانک ها و نمایه نامه ها
    • پیوندهای مفید
    • پرسش‌های متداول
    • فرایند پذیرش مقالات
    • اخبار و اعلانات
  • راهنمای نویسندگان
  • ارسال مقاله
  • داوران
  • تماس با ما
 
  • ورود به سامانه ▼
    • ورود به سامانه
    • ثبت نام در سامانه
  • English
صفحه اصلی فهرست مقالات مشخصات مقاله
  • ذخیره رکوردها
  • |
  • نسخه قابل چاپ
  • |
  • توصیه به دوستان
  • |
  • ارجاع به این مقاله ارجاع به مقاله
    RIS EndNote BibTeX APA MLA Harvard Vancouver
  • |
  • اشتراک گذاری اشتراک گذاری
    CiteULike Mendeley Facebook Google LinkedIn Twitter Telegram
مهندسی عمران
مقالات آماده انتشار
شماره جاری
شماره‌های پیشین نشریه
دوره دوره 34.2 (1397)
دوره دوره 33.2 (1396)
دوره دوره 32.2 (1395)
دوره دوره 31.2 (1394)
دوره دوره 2-30 (1393)
دوره دوره 2-29 (1392)
دوره دوره 2-28 (1391)
دوره دوره 2-27 (1390)
دوره دوره 2-26 (1389)
دوره دوره 25 (1388)
دوره دوره 24 (1387)
دوره دوره 23 (1386)
دوره دوره 22 (1385)
دوره دوره 21 (1384)
دوره دوره 20 (1383)
دوره دوره 19 (1382)
دوره دوره 18 (1381)
دوره دوره 17 (1380)
دوره دوره 16 (1379)
دوره دوره 15 (1378)
دوره دوره 14 (1377)
دوره دوره 13 (1376)
دوره دوره 12 (1375)
دوره دوره 11 (1374)
دوره دوره 10 (1373)
دوره دوره 9 (1372)
دوره دوره 8 (1371)
هاشمی, سیدشاکر, زارعی, مسعود, فاضلی, عبدالرضا. (1398). بررسی اثر تعداد و ارتفاع طبقات اسکلت فلزی با سیستم قاب خمشی روی وزن سازه به روش شبکه عصبی مصنوعی. مهندسی عمران, (), -. doi: 10.24200/j30.2018.2050.2078
سیدشاکر هاشمی; مسعود زارعی; عبدالرضا فاضلی. "بررسی اثر تعداد و ارتفاع طبقات اسکلت فلزی با سیستم قاب خمشی روی وزن سازه به روش شبکه عصبی مصنوعی". مهندسی عمران, , , 1398, -. doi: 10.24200/j30.2018.2050.2078
هاشمی, سیدشاکر, زارعی, مسعود, فاضلی, عبدالرضا. (1398). 'بررسی اثر تعداد و ارتفاع طبقات اسکلت فلزی با سیستم قاب خمشی روی وزن سازه به روش شبکه عصبی مصنوعی', مهندسی عمران, (), pp. -. doi: 10.24200/j30.2018.2050.2078
هاشمی, سیدشاکر, زارعی, مسعود, فاضلی, عبدالرضا. بررسی اثر تعداد و ارتفاع طبقات اسکلت فلزی با سیستم قاب خمشی روی وزن سازه به روش شبکه عصبی مصنوعی. مهندسی عمران, 1398; (): -. doi: 10.24200/j30.2018.2050.2078

بررسی اثر تعداد و ارتفاع طبقات اسکلت فلزی با سیستم قاب خمشی روی وزن سازه به روش شبکه عصبی مصنوعی

مقالات آماده انتشار، پذیرفته شده ، انتشار آنلاین از تاریخ 31 خرداد 1398  XML
نوع مقاله: یادداشت فنی
شناسه دیجیتال (DOI): 10.24200/j30.2018.2050.2078
نویسندگان
سیدشاکر هاشمی 1؛ مسعود زارعی2؛ عبدالرضا فاضلی3
1عضو هیئت علمی دانشکده مهندسی دانشگاه خلیج فارس بوشهر
2دانش آموخته کارشناسی ارشد مهندسی عمران، سازه دانشگاه خلیج‌فارس، بوشهر
3استادیار سازه، دانشکده مهندسی، دانشگاه خلیج‌فارس، بوشهر
چکیده
با توجه بیشتر به برآورد میزان فولاد مصرفی، قبل از شروع طراحی و بر اساس مشخصات کلیدی طرح، طراح و کارفرما می توانند دید مناسبی نسبت به مقدار فولادی مصرفی کسب نمایند. در تحقیق حاضر با استفاده از روش شبکه عصبی مصنوعی نسبت به برآورد میزان وزن سازه های فولادی با سیستم قاب خمشی اقدام شده است. در این راستا پس از آموزش شبکه و ارزیابی دقت روش، متاثر از تغییر پارامترهای ارتفاع طبقه، نسبت طول به دهانه، نوع مقطع ستون و تعداد طبقات، وزن سازه برآورد شده و این اطلاعات در قالب روابط و منحنی های کاربردی بیان شده است. نتایج نشان می دهد که استفاده از مقاطع BOX بجای مقاطع H شکل باعث صرفه جویی 10 درصدی در وزن سازه خواهد شد. همچنین افزایش نسبت طول دهانه به ارتفاع طبقه از 1 به 5/1 باعث افزایش 5 درصدی و افزایش این نسبت از یک به 2 باعث افزایش 20 درصدی میزان فولاد مصرفی خواهد شد.
کلیدواژه‌ها
وزن اسکلت سازه؛ قاب خمشی فولادی؛ شبکه عصبی مصنوعی؛ تخمین وزن سازه
موضوعات
شبکه های عصبی
عنوان مقاله [English]
Investigation the effects of number and height of the floors on the weight of the structures with moment resisting steel frames using Artificial Neural Networks
نویسندگان [English]
seyed shaker hashemi1؛
1Assistant Professor in Civil Engineering
چکیده [English]
Materials such as steel, that today are used in high volumes in construction, have a considerable role in the total cost of projects. In the other hand, financial resources are one of the main factors in the construction and will affect the designing process. By prediction the weight of structures before starting the design process with a reasonable way based on characteristics of the structures, designer will be able to estimate the approximate required steel materials and strive to optimize its value. In this study, the artificial neural network (ANN) method is used to predict the amount of steel material used in the steel structures with moment resisting system. The effects of four basic parameters including span length, story height, shape of column sections, and number of floors are investigated. A variety of steel structure models with moment resisting system are designed based on changes in the aforementioned parameters. These models are delivered to the artificial neural network and the network is trained and verified with the help of controlling of the errors. Database includes more than 1100 structural models. A variety of samples including models with span length varies from 3 to 6 meter and the number of floors varies from 3 to 14 stories and also story height varies from 3 to 4 meter have been studied. In all models, beam section is selected from IPE family and two types of highly used cross section including H-shape and Box-shape sections are used in the design process of the column elements.

Results show, using the suggested ANN method can estimate the structural weight with an appropriate accuracy depending on structural principal parameters and be able to explain the effect of building height on the weight of structures. Using cross section of BOX-shape instead of H-shape in the structures with moment resisting system, lead to about 10 percent decrease in the consumption of steel. Increasing in the ratio of span length to story height (L/H) from 1 to 1.5 lead to 5 percent increase in the weight of the structure and so in the consumption of steel material. Increasing in this ratio from 1 to 2, lead to 20 percent increase in the weight of the structure and so in the consumption of steel material.
کلیدواژه‌ها [English]
steel structures, artificial neural network (ANN), weight of steel structures, moment resisting frames
مراجع
آمار
تعداد مشاهده مقاله: 53
صفحه اصلی | واژه نامه اختصاصی | اخبار و اعلانات | اهداف و چشم انداز | نقشه سایت
ابتدای صفحه ابتدای صفحه

Journal Management System. Designed by sinaweb.