KaydedilenlerDerginizi ekleyin

Dergiler / Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi / 2017 / Cilt: 23 - Sayı: 3

Predicting shear strength of reinforced concrete slender beams without shear reinforcement using artificial neural networks

Kesme donatısız betonarme narin kirişlerin kesme dayanımınınyapay sinir ağlarıkullanılarak tahmini

Rıza Secer Orkun KESKİN
Sayfa
193–202
Yayın Tarihi
2022-10-18
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu parametrik çalışma sonucunda, kesme donatısız betonarme narin kirişlerin kesme dayanımı üzerinde önemli bir boyut etkisi gözlemlenmiştir

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Yönetmelikler, betonarme kirişlerin kesmeden kırılmasını gevrek bir kırılma olduğu için önlemeyi amaçlar.
📊
Temel Bulgular & Veri:Modelin, beş tane yönetmelik denklemiyle ve farklı araştırmacılar tarafından önerilmiş 14 denklemle karşılaştırmaları verilmiştir.
💡
Sonuç & Katkı:Bu parametrik çalışma sonucunda, kesme donatısız betonarme narin kirişlerin kesme dayanımı üzerinde önemli bir boyut etkisi gözlemlenmiştir
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Yönetmelikler, betonarme kirişlerin kesmeden kırılmasını gevrek bir kırılma olduğu için önlemeyi amaçlar. Bir betonarme kirişin tasarımı için kesme dayanımının doğru tahmini önemlidir. Betonarme kirişlerin kesme dayanımını tahmin etmek için çeşitli denklemler mevcuttur. Artan hesaplama gücü sayesinde, bu denklemlerin yapabileceğinden daha doğru tahminler verecek nümerik modeller geliştirmek mümkündür. Bu makalede, kesme donatısız betonarme narin kirişlerin kesme dayanımını tahmin etmek için geliştirilmiş bir yapay sinir ağ modeli sunulmuştur. Modelin, beş tane yönetmelik denklemiyle ve farklı araştırmacılar tarafından önerilmiş 14 denklemle karşılaştırmaları verilmiştir. Model, bu çalışmada kullanılan kirişlerin kesme dayanımını tahmin etmekte ele alınan denklemlerden daha iyi performans sergilemiştir. Geliştirilen model kullanılarak çeşitli parametrelerin kesme donatısız betonarme narin kirişlerin kesme dayanımı üzerindeki etkilerini incelemek için yapılan bir parametrik çalışma da sunulmuştur. Bu parametrik çalışma sonucunda, kesme donatısız betonarme narin kirişlerin kesme dayanımı üzerinde önemli bir boyut etkisi gözlemlenmiştir

Abstract

Design codes aim to prevent shear failure of reinforced concrete (RC) beams since it is a brittle failure. An accurate prediction of shear strength is important for a proper design of an RC beam. There exist various equations for predicting the shear strength of RC beams. With increasing computational power, it is possible to develop numerical models delivering more accurate predictions than those equations do. In this paper, an artificial neural network (ANN) model developed for predicting the shear strength of RC slender beams without shear reinforcement is presented. The comparisons of the model with five design code equations and fourteen equations proposed by various researchers are given. The model has a better performance than the considered equations do in predicting the shear strength of the beams considered in this study. A parametric study conducted for investigating the effects of various parameters on the shear strength of RC slender beams without shear reinforcement by using the ANN model is also presented. A significant size effect on the shear strength of RC slender beams without shear reinforcement is observed through the results of the parametric study.

🔖

Bu Makaleye Atıf Yap

KESKİN, R. S. O. (2022). Predicting shear strength of reinforced concrete slender beams without shear reinforcement using artificial neural networks. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, Cilt: 23 - Sayı: 3, 193–202. https://ajindex.com/articles/587427

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (14)

  1. ACI-ASCE Committee 426 "Shear strength of reinforced concrete members (ACI 426R-74) (Reapproved 1980)".
  2. Journal of Structural Division, ASCE, 99(6), 1091-1187, 1973. ACI-ASCE Committee 445 "Recent approaches to shear design of structural concrete (ACI 445R-99) (Reapproved 2009)". ASCE Journal of Structural Engineering, 124(12), 1375-1417, 1998.
  3. Oreta A. "Simulating size effect on shear strength of RC beams without stirrups using neural networks". Engineering Structures, 26(5), 681-691, 2004.
  4. Cladera A, Mari A. "Shear design procedure for reinforced normal and high strength concrete beams using artificial neural networks. Part I: Beams without stirrups". Engineering Structures, 26(7), 917-926, 2004.
  5. El-Chabib H, Nehdi M, Said A. "Predicting shear capacity of NSC and HSC slender beams without stirrups using artificial intelligence". Computers and Concrete, An International Journal, 2(1), 79-96, 2005.
  6. Seleemah AA. "A neural network model for predicting maximum shear capacity of concrete beams without transverse reinforcement". Canadian Journal of Civil Engineering, 32(4), 644-657, 2005.
  7. Jung S, Kim K. "Knowledge-based prediction of shear strength of concrete beams without shear reinforcement". Engineering Structures, 30(6), 1515-1525, 2008.
  8. Mansour M, Dicleli M, Lee J. "Predicting the shear strength of reinforced concrete beams using artificial neural networks". Engineering Structures, 26(6), 781-799, 2004.
  9. Cladera A, Mari A. "Shear design procedure for reinforced normal and high strength concrete beams using artificial neural networks. Part II: Beams with stirrups". Engineering Structures, 26(7), 927-936, 2004.
  10. El-Chabib H, Nehdi M, Said A. "Predicting the effect of stirrups on shear strength of reinforced normal-strength concrete (NSC) and high-strength concrete (HSC) slender beams using artificial intelligence". Canadian Journal of Civil Engineering, 33(8), 933-944, 2006.
  11. Abdalla J, Elsanosi A, Abdelwahab A. "Modeling and simulation of shear resistance of R/C beams using artificial neural network". Journal of The Franklin Institute, 344(5), 741-756, 2007.
  12. Goh A. "Prediction of ultimate shear strength of deep beams using neural networks". ACI Structural Journal, 92(1), 28-32, 1995.
  13. Sanad A, Saka M. "Prediction of ultimate shear strength of reinforced concrete deep beams using neural networks". ASCE Journal of Structural Engineering, 127(7), 818-828, 2001.
  14. Yavuz G. "Shear strength estimation of RC deep beams using the ANN and strut-and-tie approaches". Struc