فایل ورد کامل پیش بینی جمع شدگی ملات خود متراکم سیمانی با استفاده از شبکه های عصبی مصنوعی ۱۳۱ صفحه در word

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 فایل ورد کامل پیش بینی جمع شدگی ملات خود متراکم سیمانی با استفاده از شبکه های عصبی مصنوعی ۱۳۱ صفحه در word دارای ۱۳۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

لطفا نگران مطالب داخل فایل نباشید، مطالب داخل صفحات بسیار عالی و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

فایل ورد فایل ورد کامل پیش بینی جمع شدگی ملات خود متراکم سیمانی با استفاده از شبکه های عصبی مصنوعی ۱۳۱ صفحه در word  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی فایل ورد کامل پیش بینی جمع شدگی ملات خود متراکم سیمانی با استفاده از شبکه های عصبی مصنوعی ۱۳۱ صفحه در word،به هیچ وجه بهم ریختگی وجود ندارد

---

بخشی از متن فایل ورد کامل پیش بینی جمع شدگی ملات خود متراکم سیمانی با استفاده از شبکه های عصبی مصنوعی ۱۳۱ صفحه در word :

چکیده

در سالهای اخیر به کار گیری مواد پوزولانی نظیر متاکائولن به عنوان جایگزین مناسب بخشی از سیمان مصرفی با هدف ارتقای خواص ملات سیمانی و صرفه جویی در هزینه ها بسیار گسترش یافته است. همچنین تکنولوژی نانو در سالهای اخیر تحولات شگرفی در فناوری مصالح ساختمانی بوجود آورده است به طوری که استفاده از نانو سیلیس به عنوان یکی از محصولات فناوری نانو توجه بسیاری از پژوهشگران را به خود جلب نموده است. از طرفی یکی از مسائل مهم و تاثیرگذار بر دوام محصولات سیمانی جمع شدگی ملات سیمان می باشد.به دلیل اهمیت زیاد ملات خود متراکم شونده و نیز نقش مواد افزودنی پوزولانی خصوصا در مقیاس نانو، در این مطالعه با استفاده توأم پوزولان متاکائولن و نانوسیلیس به عنوان جایگزین بخشی از سیمان، میزان جمع شدگی ملات خود متراکم مورد بررسی قرار گرفته است.

از سوی دیگر امروزه شاهد کاربرد گسترده شبکه های عصبی مصنوعی به عنوان یک سیستم پردازش اطلاعات در حوزه های مختلف مهندسی عمران هستیم. از این سیستم به ویژه در مدل مطالعات آزمایشگاهی نتایج بسیار خوبی بدست آمده است. با توجه به زمان بر بودن و هزینه ی بالای مطالعات آزمایشگاهی دستیابی به یک مدل جهت پیش بینی و تخمین میزان جمع شدگی ملات خود متراکم به منظور صرفه جویی در انرژی و زمان می تواند بسیار اثر بخش باشد.

بر همین اساس در این مطالعه جهت پیش بینی میزان جمع شدگی ملات خود متراکم حاوی متاکائولن و نانوسیلیس در ۳ ماه نخست، از شبکه های عصبی پس انتشار چند لایه (MLP) استفاده شده است. به منظور ساخت مدل شبکه عصبی از نتایج آزمایش جمع شدگی که شامل ۲۴ طرح اختلاط بود، استفاده گردید.در این آزمایش متاکائولن با درصد وزنی ۰ ، ۱۰ ، ۱۵ و ۲۰ و نانوسیلیس با درصد وزنی ۰ ، ۱ و ۲ جایگزین سیمان گردید پارامترهای ورودی شبکه شامل نسبت آب به مواد سیمانی، درصد جایگزینی متاکائولن، درصد جایگزینی نانوسیلیس می باشد.

نتایج این تحقیق نشان می دهد که استفاده متاکائولن، نانوسیلیس و توأم آنها موجب کاهش میزان جمع شدگی ملات خود متراکم می گردد. همچنین شبکه های عصبی در پیش بینی میزان جمع شدگی ملات خود متراکم حاوی متاکائولن و نانوسیلیس از پتانسیل خوبی برخوردارند.

فایل ورد کامل پیش بینی جمع شدگی ملات خود متراکم سیمانی با استفاده از شبکه های عصبی مصنوعی ۱۳۱ صفحه در word
فهرست مطالب

فصل اول- کلیات

۱-۱مقدمه

۱-۲شرح موضوع پژوهش

۱-۳اهمیت موضوع

۱-۴ساختار گزارش

فصل دوم- تاریخچه مطالعات صورت گرفته

۲-۱مقدمه

۲-۲جمع شدگی

۲-۲-۱عوامل موثر بر جمع شدگی

۲-۲-۲بررسی استانداردها و آیین نامه ها

۲-۳بتن خود متراکم(SCC)

۲-۴پوزولان ها

۱-۴-۲استفاده از پوزولان متاکائولن در ملات سیمان و بتن

۲-۵فناوری نانو

۲-۵-۱تولید نانو ذرات

۲-۶استفاده از مواد نانو در ملات سیمان و بتن

۲-۶-۱چالش های نانو تکنولوژی در صنعت بتن

۲-۷نانو سیلیس

فصل سوم- آشنایی با شبکه های عصبی مصنوعی

۱-۳مقدمه

۳-۲تاریخچه شبکه های عصبی مصنوعی

۳-۳مبانی بیولوژیک شبکه های عصبی مصنوعی

۳-۳-۱شکل بیولوژیکی شبکه های عصبی

۳-۴قابلیت های شبکه های عصبی مصنوعی

۳-۴-۱قابلیت یادگیری

۳-۴-۲پراکندگی اطلاعات و پردازش آنها به صورت متن

۳-۴-۳قابلیت تعمیم دهی

۳-۴-۴پردازش موازی

۳-۴-۵توانایی خلاصه کردن

۳-۴-۶قابلیت کاربردی

۳-۴-۷مقاوم بودن

۳-۴-۸تشخیص داده های اشتباه

۳-۵کاربرد شبکه‌های عصبی مصنوعی

۳-۶مبانی مدل ریاضی شبکه های عصبی مصنوعی

۳-۶-۱مدل نورون مصنوعی

۳-۶-۲نورون با یک ورودی عددی

۳-۶-۳نورون با یک بردار به عنوان ورودی

۳-۶-۴توابع انتقال

۳-۷معماری شبکه های عصبی مصنوعی

۳-۸ساختارهای شبکه عصبی مصنوعی

۳-۹یادگیری در شبکه های عصبی مصنوعی

۳-۹-۱انواع یادگیری در شبکه های عصبی مصنوعی

۳-۹-۱-۱یادگیری با سرپرست

۳-۹-۱-۲یادگیری تقویتی…………..

۳-۹-۱-۳یادگیری بی سرپرست

۳-۹-۲قواعد یادگیری در شبکه های عصبی مصنوعی

۳-۹-۲-۱قانون یادگیری هب

۳-۹-۲-۲قانون یادگیری هاپفیلد

۳-۹-۲-۳قانون یادگیری پرسپترون

۳-۹-۲-۴قانون یادگیری دلتا.

۳-۹-۲-۵قانون یادگیری ویدروهوف یا حداقل میانگین مربعات(LMS)

۳-۹-۲-۶قانون یادگیری رقابتی یا کوهنن

۳-۹-۲-۷قانون یادگیری بولتزمان

۳-۱۰معرفی انواع شبکه های عصبی مصنوعی

۳-۱۰-۱ شبکه های پرسپترون تک لایه و چند لایه (MLP)

۳-۱۰-۲ شبکه های پس انتشار

۳-۱۰-۳ شبکه های شعاع مبنا (RBF)

۳-۱۰-۴ شبکه های خود سازمانده مدل کوهنن

۳-۱۰-۵ شبکه های Recurrent

۳-۱۱ الگوریتم پس انتشار خطا

۳-۱۲ روش های آموزش پس انتشار

۳-۱۲-۱ آموزش دسته ای کاهش شیب

۳-۱۲-۲ آموزش دسته ای کاهش شیب با مومنتم

۳-۱۲-۳ الگوریتم های گرادیان توأم

۳-۱۲-۴ الگوریتم های شبه نیوتن

۳-۱۲-۵ الگوریتم Levenberg-Marquardt

فصل چهارم- مطالعات آزمایشگاهی

۴-۱مقدمه

۴-۲مصالح مورد استفاده

۴-۲-۱ماسه

۴-۲-۲سیمان و متاکائولن

۴-۲-۳نانوسیلیس.

۴-۲-۴فوق روان کننده

۴-۳طرح های اختلاط

۴-۴روش انجام آزمایش جمع شدگی

۴-۴-۱ترکیب ملات

۴-۴-۲ساخت مخلوط

۴-۴-۳قالب گیری نمونه ها

۴-۴-۴عمل آوری و نگهداری نمونه ها

۴-۴-۵اندازه گیری تغییرات طول نمونه ها

۴-۵نتایج آزمایش ها

۴-۶مقایسه و تحلیل نتایج

۴-۷بحث و تفسیر نتایج

فصل پنجم- پردازش داده ها با استفاده از شبکه عصبی مصنوعی

۵-۱مقدمه

۵-۲طراحی شبکه عصبی

۵-۲-۱جمع آوری و آماده سازی داده ها

۵-۲-۲انتخاب معماری شبکه

۵-۲-۳آموزش شبکه

۵-۳ارزیابی کارایی شبکه عصبی

۵-۴مقایسه نتایج آزمایشگاهی و شبکه عصبیMLP

۵-۵پیش بینی جمع شدگی طرح های اختلاط جدید (نا آشنا) با استفاده از شبکه عصبی منتخب

فصل ششم- نتیجه گیری و پیشنهادات

۶-۱مقدمه

۶-۲جمع بندی و نتیجه گیری

۶-۳ پیشنهادات

منابع و مأخذ

فایل ورد کامل پیش بینی جمع شدگی ملات خود متراکم سیمانی با استفاده از شبکه های عصبی مصنوعی ۱۳۱ صفحه در word
فهرست جداول

جدول۴-۱- مشخصات فیزیکی سیمان تیپ۲

جدول۴-۲- خواص فیزیکی متاکائولن

جدول۴-۳- ترکیب شیمیایی سیمان و متاکائولن

جدول۴-۴- خواص فیزیکی نانوسیلیس

جدول۴-۵- مشخصات فوق روان کننده

جدول۴-۶- جزئیات طرح های اختلاط

جدول۴-۷- میزان جمع شدگی نهایی(۹۸ روزه) طرح های اختلاط

جدول۵-۱- مقایسه نتایج شبکه های طراحی شده با معماری های مختلف