%0 Journal Article %T بررسی کاربرد شبکه عصبی در تخمین مقاومت فشاری ستون‌های بتنی با مقاطع دایره‌ای محصورشده با ورقه‌های FRP %J مهندسی سازه و ساخت %I انجمن مهندسی سازه ایران %Z 2476-3977 %A مودی, یاسر %A اسلامی, احسان %A موسوی, سید روح الله %A دیزنگیان, بابک %A میرشکار, حمید %D 2022 %\ 07/23/2022 %V 9 %N 5 %P 58-77 %! بررسی کاربرد شبکه عصبی در تخمین مقاومت فشاری ستون‌های بتنی با مقاطع دایره‌ای محصورشده با ورقه‌های FRP %K محصورکننده‌ی بتن %K پلیمرهای مسلح الیافی %K مقاومت فشاری %K شبکه عصبی پس انتشار خطا %K شبکه توابع پایه شعاعی %R 10.22065/jsce.2021.178649.1825 %X بسیاری از ستون‌هایی که در گذشته ساخته شده‌اند به دلایل مختلفی نظیر خطا در حین ساخت، خطا در طراحی، تغییر کاربری ساختمان، تغییر در آیین‌نامه، به وجود آمدن شرایط تیر قوی-ستون ضعیف و همچنین آسیب‌دیدگی در برابر حوادث نیاز به ترمیم و تقویت دارند. محصور کردن ستون‌های بتن مسلح، یکی از رایج‌ترین روش‌های مقاوم‌سازی ستون‌ها است. آزمایش‌های متعددی بر روی ستون‌های بتنی محصورشده با FRP انجام شده است که نشان می‌دهد، استفاده از محصورکننده‌ی FRP باعث افزایش مقاومت فشاری و شکل‌پذیری ستون‌های بتنی می‌شود. در تحقیقات گذشته مدل‌هایی برای تعیین مقاومت فشاری این ستون‌ها ارائه شده است. در این مطالعه یک مجموعه‌ی گسترده‌ای‌ از اطلاعات آزمایشگاهی ستون‌های دایره‌ای محصورشده با انواع FRP جمع آوری شده است. سپس از دو مدل پیش‌بینی شبکه عصبی برای تعیین مقاومت فشاری ستون‌های دایره‌ای محصورشده با FRP استفاده شد. این روش‌ها شامل دو شبکه عصبی پس انتشار خطا (PB) و شبکه توابع شعاعی (RBF) می‌باشند. درنهایت، بر اساس چهار معیار سنجش خطا، شبکه‌های عصبی نسبت به مدل‌های تخمین مقاومت موجود ارزیابی شدند. نتایج نشان می‌دهد شبکه‌های عصبی مقاومت فشاری ستون‌های محصورشده با FRP را نسبت به مدل‌های تحلیلی موجود با دقت بیشتری تخمین می‌زند، به طوری که استفاده از شبکه پس انتشار خطا و توابع شعاعی به ترتیب باعث کاهش 33 و 91 درصدی خطای کلی نسبت به مدل‌های تحلیلی می‌شود. همچنین با توجه به نتایج عددی، از بین این دو مدل شبکه عصبی، مدل شبکه توابع شعاعی عملکرد بهتری نسبت به مدل پس انتشار خطا نشان دارد. %U https://www.jsce.ir/article_140034_70df6345c28d1ce447ab87ff17182b25.pdf