research centers


Search results: Found 2

Listing 1 - 2 of 2
Sort by

Article
PREDICTION OF ULTIMATE LOAD OF CONCRETE BEAMS REINFORCED WITH FRP BARS USING ARTIFICIAL NEURAL NETWORKS
تقدير الحمل الأقصى للعتبات الخرسانيّة المسلّحة بقضبان بوليميريّة باستخدام الشبكات العصبيّة الاصطناعيّة

Authors: Ahmed Sagban Saadoon احمد صكبان سعدون --- Hawraa Sami Malik حوراء سامي مالك
Journal: Al-Qadisiyah Journal for Engineering Sciences مجلة القادسية للعلوم الهندسية ISSN: 19984456 Year: 2017 Volume: 10 Issue: 1 Pages: 11-25
Publisher: Al-Qadisiyah University جامعة القادسية

Loading...
Loading...
Abstract

Artificial neural networks (ANN) were used in this study to predict ultimate load of simply supported concrete beams reinforced with FRP bars under four point loading. A proposed neural model was used to predict the ultimate load of these beams. A total number of (199) beams (samples) were collected as data set and it was decided to use eight input variables, representing the dimensions of beams and properties of concrete and FRP bars, while the output variable was only the ultimate load of these beams. It was found that the use of 11 and 10 nodes in the two hidden layers was very efficient for predicting the ultimate load. The obtained results were compared with available experimental results and with the ACI 440.1R specifications. The proposed neural model gave very good predictions and more accurate results than the ACI 440.1R approach. The overall average error, in the value of the predicted ultimate load, was 3.6% and 21.7% for the proposed neural model and the ACI 440.1R approach, respectively.

لقد تمّ استخدام الشبكات العصبيّة الاصطناعيّة في هذه الدراسة لتقدير الحمل الأقصى للعتبات الخرسانيّة بسيطة الإسناد والمسلحّة بقضبان تسليح بوليميريّة والمعرّضة الى تحميل نقطي رباعي. حيث تمّ إقتراح وتطوير شبكة عصبيّة لتقدير الحمل الأقصى لهذه العتبات وقد جُمعت نتائج (199) نموذج كقاعدة بيانات. وقد تقرّر أنْ يكون عدد متغيّرات الإدخال لهذه الشبكة هو ثمان متغيّرات تمثّل أبعاد العتبات وخواص الخرسانة وقضبان التسليح, في حين كان هناك متغيّراً وحيداً هو الحمل الأقصى كمتغيّر إخراج. لقد وُجد بأنّ اختيار 11 عقدة (خليّة عصبيّة) في الطبقة المخفيّة الاولى من الشبكة و 10 عقد في الطبقة الثانية كان فعّالاً جدّاً في تقدير قيمة الحمل الأقصى. وقد قُورنت النتائج المستحصلة مع نتائج عمليّة متوفّرة ومع مواصفات المدوّنة الأمريكيّة ACI 440.1R حيث أعطت الشبكة المقترحة نتائج أكثر دقّة من المدوّنة الأمريكيّة, إذ كان مقدار معدّل الخطأ الكلّي في قيمة الحمل الأقصى المقدّر هو 3.6% باستخدام الشبكة المقترحة بينما كان مقداره 21.7% باستخدام المدوّنة الأمريكيّة.


Article
Anticipation ofMid-Span Deflection atUltimate Loadfor Concrete BeamsStrengthenedby FRP BarsUsing Artificial Neural Networks

Author: Abdulnasser Mohammed Abbas
Journal: Journal of University of Babylon مجلة جامعة بابل ISSN: 19920652 23128135 Year: 2018 Volume: 26 Issue: 5 Pages: 9-19
Publisher: Babylon University جامعة بابل

Loading...
Loading...
Abstract

A mid-span deflection of concrete beam strengthened by FRP bars has beenanticipated. A case of simply supported beam loaded by two point loads has been simulated by using artificial neural networks (ANNs) which are involved in MATLAB package, version 9.0.0.341360 (R2016a). The proposed model presupposes60 beam specimens to collect the required data for the neuralpattern. A set of 8 input variables was selected to construct the proposed neural pattern; these are, beam dimensions, concrete specifications, and FRP properties. While the mid-span deflection at the ultimate load, will be the output inconstant. The use of 9 nodes in the hidden layer is active in predicting the mid-span deflection. A comparison between the gained results and the past experimental data shows that the proposed neural patterngives a reasonable anticipation with an overall error of 8.2 %.

تمتخمينالهطول عند الحمل الاقصى لمنتصفعتبة خرسانية مسلحة بقضبان تسليح بوليمرية.تمتدراسةحالةعتبة بسيطة الاسناد معرضة الى حملين متناظرين باستخدامالشبكاتالعصبيةالاصطناعية الموجودة ضمن برنامج الماتلاب ذي الاصدار9.0.0.341360 (R2016a). لقد تم استخدام 60عينةلغرض جمعالبياناتالمطلوبةلمحاكاة النموذج. كما تماختيارمجموعة المدخلاتمن8متغيرات. تمثلت بأبعادالعتب،خصائصالخرسانة،وخصائصقضبانالتسليح البولمرية.في حين كانت بياناتالإخراج هي الهطول في منتصفالعتب عند الحملالاقصى. لقد وجد ان استخدام9عقدفيالطبقةالمخفيةفعالا لتوقع الهطول في منتصفالعتبة. لقد بينت المقارنةبينالنتائجالمكتسبةمعالبياناتالتجريبيةالسابقةأنالنموذجالمقترحأعطىتقييمامعقولاومعدل خطأ عاميساوي 8.2٪.

Listing 1 - 2 of 2
Sort by
Narrow your search

Resource type

article (2)


Language

English (2)


Year
From To Submit

2018 (1)

2017 (1)