مشخصات پژوهش

عنوان	بررسی آزمایشگاهی و مدلسازی ستونهای دایرهای دوجداره فولادی پرشده با بتن با استفاده از ماشینهای بردار پشتیبان و مدل درخت تصمیمگیری
نوع پژوهش	مقاله چاپ شده
کلیدواژه‌ها	ستون های CFST جداره های فولادی ظرفیت باربری نهایی روش های هوشمند مصنوعی مدل M5-MT
چکیده	سازههای کامپوزیتی میتوانند هزینههای ساخت را کاهش و عمر مفید سازههای بزرگ را افزایش دهند. از این رو، ستونهای دایرهای دوجداره فولادی پرشده با بتن (CFDST) کارایی سازههای کامپوزیتی را میتوانند افزایش دهند. از آنجایی که قطر و ضخامت برای لوله خارجی شامل 86، 85/8، 45/6 و 44 برای ساخت 16 نمونه بکار گرفته شد. دو نوع بتن برای پر کردن نمونههای CFDST شامل C 10 و 20 C استفاده شد. سپس، رابطهای جامع برای تخمین ظرفیت باربری ستونهای CFDST با استفاده از روشهای هوشمند مصنوعی ارائه شد. نتایج نشان داد که ستونهای CFDST با مقدار Do/to کمتر، دارای ظرفیت باربری بیشتری میباشند. همچنین، با افزایش Do/to مشاهده میشود که شکلپذیری کاهش مییابد. به عنوان یک مقایسه میان بتنهای پر شده در نمونههای CFDST که از ردههای 10 C و 20 C بوده است، منحنیهای تنش-کرنش نشان دادند که با افزایش مقاومت فشاری بتن، ظرفیت باربری و شکلپذیری نیز افزایش مییابد. در این تحقیق، با افزایش مقاومت فشاری ظرفیت باربری برای ستونهای CFDST حدودا 6% افزایش یافت. در بخش مدلسازی، شاخص آماری ضریب تعیین برای شبکه عصبی مصنوعی (ANN) ماشینهای بردار پشتیبان (SVM) و مدل درخت تصمیمگیری (M5-MT) در مرحله آزمایش به ترتیب 0/95، 0/96، 0/97 تعیین گردید. لذا، روش M5-MT در مرحله آزمایش نیز، از عملکرد بهتری نسبت به سایر روشهای پیشنهادی تخمین ظرفیت باربری ستونهای CFDST داشته است. مقایسه روابط تجربی و مدلهای هوشمند پیشنهادی M5-MT و SVM ، ANN در تخمین ظرفیت باربری ستونهای CFDST بر اساس مقادیر نرمالشده نیروی محوری نهایی نشان میدهد که رابطه ارائه شده از M5-MT با مقدار میانگین 1/01 و انحراف معیار 0/19 عملکرد بهتری در مدلسازی ظرفیت باربری ستونهای CFDST نسبت به دیگر روشهای هوشمند و روابط تجربی داشته است.
پژوهشگران	مهدی نعمت زاده افروزی (نفر چهارم)، جواد واثقی امیری (نفر سوم)، مرتضی نقی پور (نفر دوم)، سید توحید نعمتی (نفر اول)