بررسی ممان اینرسی موثر در تیرهای بتن آرمه هیبریدی با استفاده از شبکه عصبی مصنوعی

در سالیان اخیر استفاده از آرماتورهای کامپوزیت frp و آرماتورهای فولادی در المان‌های بتنی هیبریدی با هدف استفاده همزمان از مزایای این دو آرماتور مورد توجه قرار گرفته است. در این مطالعه با استفاده از 120 داده آزمایشگاهی و به کمک شبکه عصبی مصنوعی، رویکرد جدیدی برای پیش‌بینی ممان اینرسی موثر در تیرهای هیبریدی با آرماتورهای فولادی و frp پیشنهاد شده است. به منظور اصلاح رابطه برانسون، در شبکه عصبی نسبت مدول الاستیسیته و نسبت مساحت آرماتورهای frp به فولادی، سطح بارگذاری، ممان اینرسی مقطع کل، ممان اینرسی مقطع ترک‌خورده و نسبت آرماتور بالانس frp به عنوان پارامترهای ورودی و ممان اینرسی موثر به عنوان تابع هدف در نظر گرفته شد. مقایسه نتایج حاصل از شبکه عصبی با نتایج آزمایشگاهی نشان داد که میانگین خطا کمتر از ده درصد بوده و نتایج به دست آمده نسبت به روابط موجود از دقت قابل قبولی برخوردار است.

Investigation of the effective moment of inertia for hybrid FRP-steel reinforced concrete beams using Artificial Neural Network

In recent years, the use of FRP and steel bars in hybrid concrete elements have been considered with the aim of simultaneous use of the advantages of these two bars. In this study, using 120 experimental data and using an artificial neural network, a new approach to predict the effective moment of inertia in hybrid beams with steel and FRP bars is proposed. In order to correct the Branson equation, in the neural network the elastic modulus ratio, the ratio of FRP to the steel bar area, level of loading, the gross moment of inertia, the cracked moment of inertia, and the balanced ratio of the FRP reinforcement as input parameters and the effective moment of inertia as target parameter Was considered. A comparison of the results obtained from the neural network with experimental results showed that the average error is less than ten percent. The results of the ANN are of acceptable accuracy compared to the existing equations.