|
|
|
|
بررسی اثر تعداد و ارتفاع طبقات اسکلت فلزی با سیستم قاب خمشی در وزن سازه به روش شبکه ی عصبی مصنوعی
|
|
|
|
|
|
|
|
نویسنده
|
هاشمی شاکر ,زارعی مسعود ,فاضلی عبدالرضا
|
|
منبع
|
مهندسي عمران شريف - 1398 - دوره : 35-2 - شماره : 1/1 - صفحه:81 -89
|
|
چکیده
|
با توجه بیشتر به برآورد میزان فولاد مصرفی، قبل از شروع طراحی و براساس مشخصات کلیدی طرح، طراح و کارفرما می‌توانند دید مناسبینسبت به مقدار فولادی مصرفی کسب کنند. در پژوهش حاضر، با استفاده از روش شبکه‌ی عصبی مصنوعی نسبت به برآورد میزان وزن سازه‌های 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 و اطلاعات مذکور در قالب روابط و منحنی‌های کاربردی بیان شده است. نتایج نشان می‌دهند که استفاده از مقاطع box به جای مقاطع h شکل، باعث صرفه جویی 10 درصدی در وزن سازه خواهد شد. همچنین افزایش نسبت طول دهانه به ارتفاع طبقه از 1 به 1٫5، باعث افزایش 5 درصدی و افزایش این نسبت از 1 به 2، باعث افزایش 20 درصدی میزان فولاد مصرفی خواهد شد.
|
|
کلیدواژه
|
وزن اسکلت سازه، قاب خمشی فولادی، شبکه‌ی عصبی مصنوعی، تخمین وزن سازه
|
|
آدرس
|
دانشگاه خلیج فارس, دانشکده مهندسی عمران, ایران, دانشگاه خلیج‌فارس, دانشکده مهندسی عمران, ایران, دانشگاه خلیج‌فارس, دانشکده مهندسی عمران, ایران
|
|
پست الکترونیکی
|
afazeli@pgu.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
INVESTIGATION OF THE EFFECTS OF NUMBER AND HEIGHT OF THE FLOORS ON THE WEIGHT OF THE STRUCTURES WITH MOMENTRESISTING STEEL FRAMES USING ARTIFICIAL NEURAL
|
|
|
|
|
Authors
|
Hashemi S.Shaker
|
|
Abstract
|
Materials such as steel, that are commonly used in high volumes in the construction industry have a considerable role in the total cost of projects. On the other hand, financial resources are one of the main factors in the construction and will affect the design process. By predicting the weight of structures before starting the design process with a reasonable way based on the characteristics of the structures, a designer is able to estimate the approximate required steel materials and strives 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 a momentresisting 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 a momentresisting 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 by means of controlling errors. Database includes more than 1100 structural models. A variety of samples including models with span length vary from 3 to 6 meters, and the number of floors varying from 3 to 14 stories and also story height varying from 3 to 4 meters have been studied. In all models, beam section is selected from IPE family, and two types of highly used crosssection, including Hshape and Boxshape sections, are used in the design process of the column elements.Results show that, the structural weight can be estimated with appropriate accuracy by the suggested ANN method depending on structural principal parameters; in this way the effect of building height on the weight of structures is explained. Using crosssection of BOXshape instead of Hshape in the structures with a momentresisting system leads to about a 10% decrease in the consumption of steel. Increasing the ratio of span length to story height (L/H) from 1 to 1.5 leads to 5% increase in the weight of the structure and, thus, in the consumption of steel material. Increasing this ratio from 1 to 2 leads to 20% increase in the weight of the structure and, thus, in the consumption of steel material.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|