![](/images/graphics-bg.png)
Predicting punching shear strength of ferrocement slabs using back-propagation neural network
العناوين الأخرى
التنبؤ بمقاومة القص للسقوف الفيروسمنتية باستخدام تقنيات الشبكات العصبية
المؤلف
المصدر
Thi-Qar University Journal for Engineering Sciences
العدد
المجلد 3، العدد 2 (30 يونيو/حزيران 2012)، ص ص. 85-102، 18ص.
الناشر
تاريخ النشر
2012-06-30
دولة النشر
العراق
عدد الصفحات
18
التخصصات الرئيسية
الموضوعات
الملخص AR
استخدمت خوارزمية التعقب الخلفي للشبكات العصبية للتنبؤ بمقاومة القص للسقوف الفيروسمنتية ذات الأشكال المربعة.
تم تدريب و فحص الشبكة العصبية بالاعتماد على معلومات عملية أخذت من تجارب سابقة و من مصادر مختلفة.
تم الأخذ بنظر الاعتبار العوامل المؤثرة هندسيا على تصرف السقوف بشكل عام لبناء الشبكة العصبية.
مدخلات الشبكة هي : الفضاء الفعال، سمك السقف، مقاومة الخرسانة، نسبة الحديد، مقدار الخضوع للحديد، أبعاد مساحة التحميل بالإضافة إلى طريقة الإسناد المستخدمة أما المخرجات فكانت مقاومة القص للسقوف.
كذلك تم في هذا البحث دراسة تأثير كل عنصر من العناصر المدخلة على مقاومة القص للسقوف الفيروسمنتية.
تم مقارنة النتائج التي تم الحصول عليها في بحثنا هذا مع بعض النتائج العملية و مع النتائج التي تم الحصول عليها من طرق مقترحة أخرى لحساب مقاومة القص للسقوف.
أثبت النتائج بأن تقنية الشبكات العصبية و باستخدام خوارزمية التعقب الخلفي هي طريقة جيدة لحساب مقاومة القص و يمكن اعتمادها للتنبؤ بأي نموذج أخرى ضمن حدود البيانات المستخدمة في بحثنا هذا.
الملخص EN
A back-propagation neural network (BPNN) model is developed to predict the punching shear strength of square fibrocement slabs.
The experimental data used for training and testing the neural network model, are collected from several sources.
They are arranged in a format of seven input parameters (the effective span, slab thickness, yield tensile strength of wire mesh, volume fraction of wire mesh, mortar compressive strength, width of square loaded area, boundary condition of the supported slabs) and one output parameter (punching shear strength).
A parametric study is carried out using BPNN to study the influence of each parameter affecting the punching shear strength of Ferro cement slabs.
A comparison with the experimental results and those from other existing empirical equations demonstrates that the predictions from BPNN are indeed better.
We conclude that the BPNN model may serve as a good tool for predicting the punching shear strength.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
Mashari, Muhammad A.. 2012. Predicting punching shear strength of ferrocement slabs using back-propagation neural network. Thi-Qar University Journal for Engineering Sciences،Vol. 3, no. 2, pp.85-102.
https://search.emarefa.net/detail/BIM-320881
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
Mashari, Muhammad A.. Predicting punching shear strength of ferrocement slabs using back-propagation neural network. Thi-Qar University Journal for Engineering Sciences Vol. 3, no. 2 (2012), pp.85-102.
https://search.emarefa.net/detail/BIM-320881
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
Mashari, Muhammad A.. Predicting punching shear strength of ferrocement slabs using back-propagation neural network. Thi-Qar University Journal for Engineering Sciences. 2012. Vol. 3, no. 2, pp.85-102.
https://search.emarefa.net/detail/BIM-320881
نوع البيانات
مقالات
لغة النص
الإنجليزية
الملاحظات
Includes appendices : p. 101-102
رقم السجل
BIM-320881
قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"
أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي
![](/images/ebook-kashef.png)
تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر
![](/images/kashef-image.png)