Compressive strength and concrete slump are the most important required parameters for design, depending on many factors such as concrete mix design, concrete material, experimental cases, tester skills, experimental errors etc. Since many of these factors are unknown, and no specific and relatively accurate formulation can be found for strength and slump, therefore, the concrete properties can be improved to an acceptable level using the neural networks and genetic algorithm. In this research, having results of experimental specimens including soil classification parameters, water to cement ratio, cement content, super-lubricant content, compressive strength, and slump flow, using the MATLAB software, the perceptron neural network training, general regression neural network, and radial base function neural network are considered, and then, with regard to coefficient of determination (R2) criteria and mean absolute error, the above network تفاصيل المقالة

Summary In this study, the seismic performance of hexagrid structures which are composed of horizontal and vertical hexagrid by using a transitional story, has been investigated. To this end, 10 models of 50-story hexagrid structures were designed. 9 models with horizontal hexagrid cells which transited to vertical cells using a transitional story, and a model of completely horizontal hexagrid have been designed. Finally, the seismic performance of these models were investigated and compared to the horizontal hexagrid structure to obtain the optimum location of the transitional story. According to the analyses results, combining horizontal and vertical hexagrid cells can strongly affect the seismic performance of the structure. Thus, choosing the optimum location of transitional story, regarding design priorities, is of significant importance. تفاصيل المقالة

مقاله حاضر یک روش دومرحله‌ای قدرتمند برای تشخیص خسارت پل‌های بزرگ دهانه با مقاطع متغیر ارائه می‌نماید. پل‌ها یکی از زیرساخت‌های اساسی در حوزه حمل‌ونقل شهری و برون شهری بوده که تشخیص خسارت به موقع درطول بهره‌برداری آن حائز اهمیت می‌باشد. خسارت دراین دسته از سازه‌ها سبب اختلال درخدمت‌رسانی درزمان بروزبلایای طبیعی‌خواهد شد. روش ارائه شده بر مبنای ترکیب المان محدود طیفی و شاخص خسارت انرژی کرنشی مودال و همچنین ترکیب الگوریتم ژنتیک و رگرسیون بردار پشتیبان برای تشخیص وتخمین میزان شدت‌خسارت می‌باشد. یکی ‌از روش‌های کارآمد درحوزه انتشار امواج روش المان‌ محدود طیفی ‌بوده که از قابلیت مدلسازی با انعطاف‌پذیری بالا و تشخیص خسارات ریز می‌باشد. روش‌های مبتنی بر ارتعاش بطور گسترده برای تشخیص خسارت سازه‌ها استفاده می‌گردد درحالیکه شاخص خسارت انرژی کرنشی مودال از حساسیت بالاتری در تشخیص خسارت در میان دیگر روش‌های مبتنی برارتعاش برخوردار است. مدل مورد تحقیق، پل‌کروچایلد درغرب کانادا می‌باشد که دارای ویژگی‌های خاصی از نظرهندسی و هم از مشخصات المان‌های سازه‌ای می‌باشد. در این تحقیق شاخص خسارت انرژی کرنشی مودال به علت تغییر مقطع در طول شاه‌تیر‌ها اصلاح گردیده است. همچنین از رگرسیون بردار پشتیبان به عنوان یک تکنیک قدرتمند در تخمین میزان شدت خسارت استفاده شده است. جهت افزایش دقت و بهبود روش تخمین میزان شدت خسارات از الگوریتم ژنتیک برای بهینه‌سازی پارامترهای مؤثر رگرسیون بردار پشتیبان استفاده می‌گردد. روش ترکیبی الگوریتم ژنتیک و رگرسیون بردار پشتیبان توانسته است به نحو مطلوبی شدت خسارات را تخمین بزند. تفاصيل المقالة