TY - JOUR ID - TI - ANN AND STATISTICAL MODELLING TO PREDICT THE DEFLECTION OF CONTINUOUS REINFORCED CONCRETE DEEP BEAMS اعتماد الشبكات العصبية والنمذجة الاحصائية للتنبوء بمقدار التشوه للعتبات المسلحة العميقة المستمرة AU - Abbas M Abd عباس مهدي عبد AU - Wissam D Salman وسام داود سلمان AU - Qusay W. Ahmed وسام وهاب احمد PY - 2015 VL - 8 IS - 4 SP - 134 EP - 143 JO - DIYALA JOURNAL OF ENGINEERING SCIENCES مجلة ديالى للعلوم الهندسية SN - 19998716 26166909 AB - This comparative study investigates the adoption of artificial neural networks and statistical modelling in the prediction of the deflection under ultimate strength of continuous reinforced concrete deep beams. All experimental data collected from the literature covers a case of a continuous deep beam with two point loads acting symmetrically in each span. The data set consist of many input parameters cover the geometrical and material properties. The corresponding output value was the deflection under ultimate strength of the continuous deep beam. The model takes into account the effects of the effective depth, shear span-to-depth ratio, length of one span, section width, ratio of reinforcement, and compressive strength of concrete cubes. Training, validation and testing of the developed neural network have been achieved using a comprehensive database compiled from 75 continuous deep beam specimens. The results show high correlation through using ANN modeling with 99.13% and 97.27% for extended and original data set. This model was compared with the multi-linear model which was of 81.16% correlation coefficient. Both model reflect high correlation with observed data and proved that they can be used to predict the deflection of deep beam with high degree of confidence.

تناولت دراسة المقارنة هذه اعتماد تقنية الشبكات العصبية الصناعية وتقنية الانحدار الخطي المتعدد للتنبؤ بمقدار التشوه تحت ظروف قوة التحميل القصوى للعتبات المسلحة المستمرة. تم جمع البيانات العملية من خلال مراجعة العديد من البحوث السابقة التي تغطي الحالة الدراسية. نوع التحميل كان باعتماد الحمل ثنائي التمركز المتناظر على فضاء العتبة بالتساوي. شملت البيانات العملية عدة مدخلات منها العمق الفعال، ونسبة الفضاء الى العمق، وطول الفضاء الواحد، وعرض المقطع، ونسبة التسليح، ومقاومة الانضغاط للخرسانة. في حين كان مقدار التشوة تحت قوة التحميل القصوى تمثل مخرجات البيانات. تم بناء الموديل بتقنية الشبكات العصبية واجراء التحقق والفحص ومن ثم مقارنة النتائج مع مخرجات تقنية الانحدار الخطي المتعدد. اظهرت النتائج تقاربا وارتباطا عاليا جدا لتقنية الشبكات العصبية وفق الطريقتين المتبعتين مع معامل ارتباط (99.13% و 97.27%) وكذلك ارتباطا جيدا بين نتائج التنبؤ ومخرجات البيانات العملية باعتماد الانحدار الخطي المتعدد مع معامل ارتباط (81.16%). اثبتت النتائج الموثوقية الجيدة لاستخدام النموذج المتبع في هذا البحث لغرض التنبؤ المستقبلي بتصرف العتبات الخرسانية باعتماد المتغيرات الواردة في البحث. ER -