文献

J-GLOBAL ID：202102222245807107   整理番号：21A2646179

人工ニューラルネットワークを用いたプリファブコンクリート接続の効率的な構造設計【JST・京大機械翻訳】

Efficient Structural Design of a Prefab Concrete Connection by Using Artificial Neural Networks

著者 (3件)： Navarro-Rubio Jorge (NR Proyectos-Engineering and Architectural Consulting, Calle Constantino n° 49 1° I, 04700 Almeria, Spain) ,  Pineda Paloma (Department of Building Structures and Geotechnical Engineering, Universidad de Sevilla, Avda, Reina Mercedes, 2, 41012 Seville, Spain) ,  Navarro-Rubio Roberto (NR Proyectos-Engineering and Architectural Consulting, Calle Constantino n° 49 1° I, 04700 Almeria, Spain)
資料名： Sustainability (Web)  (Sustainability (Web))
巻： 12  号： 19  ページ： 8226  発行年： 2020年 
JST資料番号： U7281A  ISSN： 2071-1050  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 建築環境において,設計段階における主な関心事の一つは,適切な構造材料と要素の選択である。材料および要素の合理的かつ顕在的設計は,経済的利益および計算時間削減だけでなく,環境影響を最小化することにもなる。今日,人工ニューラルネットワーク(ANNs)は設計ツールとしての可能性を示している。本研究では,ANNsを用いて,構造設計の初期段階において使用する効率的なツールの実用化を推進した。提案したネットワークを,有限要素法(FEM)によってモデル化した乾燥プレキャストコンクリート接合部に適用した。パラメータは,コンクリートとねじの強度,ねじの直径,板厚,およびポストテンション荷重である。ANN入力データはFEMモデルから得たパラメータと節点応力である。バックプロパゲーションアルゴリズムと組み合わせた多層パーセプトロンをANNアーキテクチャに用いて,双曲線正接関数を活性化関数として適用した。得られた予測応力をFEM解析と比較して,差は9.16%未満であった。これらの結果は,効率的な構造設計ツールとしての使用を検証した。提案したANNの主な利点は,それらが異なる接続パラメータに容易に効果的に適応できることである。さらに,それらの使用は,プレキャストまたは鋳造現場コンクリート接続設計の両方に適用できる。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  有限要素法 ,  *ネットワーク ,  *コンクリート ,  鋳造 ,  *ニューラルネットワーク ,  プレキャストコンクリート ,  節点 ,  *構造設計 ,  環境影響 ,  計算機アーキテクチャ ,  逆伝搬法 ,  多層パーセプトロン
準シソーラス用語： 有限要素解析 ,  プレキャスト , 【Automatic Indexing@JST】

著者キーワード (5件)： 効率的な構造設計 ,  人工ニューラルネットワーク ,  乾燥プレキャストコンクリート接続 ,  人工知能 ,  持続可能な建築環境

分類 (1件)： コンクリート構造  (RA04030A)

引用文献 (39件)：

• Günaydın, H.M.; Doğan, S.Z. A neural network approach for early cost estimation of structural systems of buildings. Int. J. Proj. Manag. 2004, 22, 595-602.
• Meon, M.S.; Anuar, M.A.; Ramli, M.H.M.; Kuntjoro, W.; Muhammad, Z. Frame Optimization using Neural Network. Int. J. Adv. Sci. Eng. Inf. Technol. 2012, 2, 28-33.
• Rumelhart, D.; Hinton, G.; Williams, R. Learning Internal Representation by Error Propagation, Parallel Distributed Processing; MIT Press: Cambridge, UK, 1986.
• Chandan, M.; Prasad, B.R.; Amarnath, K. Design of reinforced concrete structures using neural networks. J. Struct. Eng. 2001, 127, 818-828.
• Adeli, H. Neural Networks in Civil Engineering: 1989-2000. Comput. Civ. Infrastruct. Eng. 2001, 16, 126-142.

タイトルに関連する用語 (2件)： 人工ニューラルネットワーク ,  構造設計