![](/images/graphics-bg.png)
ANN model for predicting ultimate shear strength of reinforced concrete corbels
Other Title(s)
نموذج الشبكات العصبية للتنبؤ بمقاومة القص القصوى للكتائف الخرسانية المسلحة
Joint Authors
Muhammad, Abd al-Qadir Ali
Yusuf, Salim Tayyib
Source
al-Rafidain Engineering Journal
Issue
Vol. 19, Issue 6 (31 Dec. 2011), pp.112-123, 12 p.
Publisher
University of Mosul College of Engineering
Publication Date
2011-12-31
Country of Publication
Iraq
No. of Pages
12
Main Subjects
Topics
Abstract AR
طور نموذج الشبكة العصبیة باستخدام نتائج عملیة سابقة على الكتائف الخرسانیة المسلحة لمحاكاة سلوكھا.
إن نموذج الشبكة العصبیة المستخدم في هذه الدراسة یتكون من ستة معاملات مدخلة تمثل مقاومة انضغاط الخرسانة و فضاء القص و العمق المؤثر و عرض الكتف و مساحة التسلیح الرئیسي و مساحة التسلیح الثانوي و مخرج واحد یمثل حمل القص الأقصى.
تم اعتماد الشبكة العصبیة ذات الانتشار الخلفي مع دالة التفعیل من النوع (log-sigmoid) و ذلك لدقتھا في التنبؤ .أنشأ نموذج الشبكات العصبیة باستخدام النتائج العملیة من الدراسات السابقة.
إن حمل القص الناتج من الشبكة العصبیة الاصطناعیة قورن مع ذلك المحسوب من معادلة مدونة الخرسانة الأمریكیة ACI318-08 و معادلة و معادلة Russo.
التنبؤ لنموذج الشبكات العصبیة للحمل القص للكتائف الخرسانیة أكثر دقة من معادلة مدونة الخرسانة الأمریكیة ACI318-08 و معادلة الباحث Russo.
من خلال استخدام نموذج الشبكات العصبیة في الدراسة المقارنة, تأثیر المعاملات المختلفة مثل (fc, a, d, b As, Ah) على سلوك الكتائف الخرسانية المسلحة قد وضحت.
النتائج بینت القدرة الجیدة لنموذج الشبكات العصبیة للتنبؤ بسلوك القص للكتائف الخرسانیة المسلحة.
Abstract EN
The artificial neural network (ANN) model was developed using previous experimental data on Reinforced concrete (RC) corbels to simulate the behavior of RC corbels.
The neural network model has six input parameters representing the concrete compressive strength ( ), shear span (a), effective depth (d), corbel width (b), area of main reinforcement (As), area of secondary reinforcement (Ah), one output parameter representing the ultimate shear load (Vu).
A back propagation neural network (BPNN) with the log-sigmoid activation function is adopted due to its accuracy of prediction.
The ANN model is constructed using the experimental data from the literature.
The ANN predicted ultimate shear load which compared with those calculated by ACI318-80code Formula and Russo model.
The neural network model is to predict the shear load of RC corbel more accurate than the ACI318-08 code Formula, and Russo model. Through the parametric studies using the ANN model, the effects of various parameters such as ( , a, d, b, As, and Ah) on the behavior of RC corbel were shown.
The results reveal that the proposed network model captures the RC corbel underlying shear behavior very well.
American Psychological Association (APA)
Yusuf, Salim Tayyib& Muhammad, Abd al-Qadir Ali. 2011. ANN model for predicting ultimate shear strength of reinforced concrete corbels. al-Rafidain Engineering Journal،Vol. 19, no. 6, pp.112-123.
https://search.emarefa.net/detail/BIM-309619
Modern Language Association (MLA)
Yusuf, Salim Tayyib& Muhammad, Abd al-Qadir Ali. ANN model for predicting ultimate shear strength of reinforced concrete corbels. al-Rafidain Engineering Journal Vol. 19, no. 6 (Dec. 2011), pp.112-123.
https://search.emarefa.net/detail/BIM-309619
American Medical Association (AMA)
Yusuf, Salim Tayyib& Muhammad, Abd al-Qadir Ali. ANN model for predicting ultimate shear strength of reinforced concrete corbels. al-Rafidain Engineering Journal. 2011. Vol. 19, no. 6, pp.112-123.
https://search.emarefa.net/detail/BIM-309619
Data Type
Journal Articles
Language
English
Notes
Includes bibliographical references : p. 122-123
Record ID
BIM-309619