Artificial Neural Network-based Designs of Prestressed Concrete and Composite Structures

این کتاب تکنیک‌های بهینه‌سازی لاگرانژ مبتنی بر شبکه عصبی مصنوعی (ANN) را برای طراحی سازه‌ای سازه‌های بتنی پیش تنیده بر اساس یوروکد ۲ و سازه‌های مرکب بر اساس استانداردهای مؤسسه ساختمان‌های فولادی آمریکا و مؤسسه بتن آمریکا معرفی می‌کند. این کتاب نمودارهای طراحی قوی برای سازه های بتنی پیش تنیده ارائه می دهد که دستیابی به آنها با استفاده از روش های طراحی مرسوم چالش برانگیز است.

با استفاده از نمودارهای طراحی مبتنی بر شبکه عصبی مصنوعی، طراحی کل نگر یک پس تنیده پرتو برای بهینه سازی اهداف طراحی (توابع هدف) انجام می شود، در حالی که 21 خروجی رو به جلو، در توالی های دلخواه، از 21 ورودی جلو محاسبه می شود.

• قدرت را اعمال می کند. ابزار شبکه عصبی مصنوعی برای بهینه سازی سازه های بتنی پیش تنیده و سازه های مرکب شامل ستون ها و تیرها
• بهینه سازی های چند هدفه (MOO) تیرهای بتنی پیش تنیده می باشد. با استفاده از الگوریتم لاگرانژ مبتنی بر ANN انجام شد
• یک مرز پارتو با استفاده از MOO مبتنی بر ANN برای تیرهای مرکب و ستون‌های مرکب که بارهای چند محوری را تحمل می‌کنند ارائه می‌کند.
• تصویر شده به شدت رنگی و با نمونه های طراحی کاربردی متنوع مطابق با کدهای EC2، ACI و ASTM< /li>

این کتاب راه‌حل‌های بهینه را برای طراحان و محققین سازه ارائه می‌دهد و خوانندگان را قادر می‌سازد تا نمودارهای طراحی بسازند تا اهداف طراحی خود را تحت شرایط طراحی مختلف بر اساس هر کد طراحی به حداقل برسانند.

This book introduces artificial neural network (ANN)-based Lagrange optimization techniques for a structural design of prestressed concrete structures based on Eurocode 2, and composite structures based on American Institute of Steel Construction and American Concrete Institute standards. The book provides robust design charts for prestressed concrete structures, which are challenging to achieve using conventional design methods.

Using ANN-based design charts, the holistic design of a post-tensioned beam is performed to optimize design targets (objective functions), while calculating 21 forward outputs, in arbitrary sequences, from 21 forward inputs.

• Applies the powerful tools of ANN to the optimization of prestressed concrete structures and composite structures including columns and beams
• Multi-objective optimizations (MOO) of prestressed concrete beams are performed using an ANN-based Lagrange algorithm
• Offers a Pareto frontier using an ANN-based MOO for composite beams and composite columns sustaining multi-biaxial loads
• Heavily illustrated in color and with diverse practical design examples in line with EC2, ACI, and ASTM codes

The book offers optimal solutions for structural designers and researchers, enabling readers to construct design charts to minimize their own design targets under various design requirements based on any design code.