انجمن مهندسی عمران ایرانفصلنامه علمی پژوهشی اساس2008-7721215520190823Investigation of the Storage Stability of polymer modified bitumen containing nanoparticles and estimation of the Marshall Stability of asphalt mixtures using artificial neural networkبررسی پایداری قیرهای پلیمری حاوی نانو ذرات و تخمین استحکام مارشال مخلوطهای آسفالتی با استفاده از شبکه عصبی مصنوعی517114507FAغلامعلی شفابخشدانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایرانمحمدرضا علی اکبری بیدختیدانشجوی دکترای عمران، دانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایرانحسن دیواندریاستادیار0000-0002-1675-0354Journal Article20190715Despite the many advantages of polymer modified bitumen, such as greater resistance to rutting and fatigue, during storage at high temperatures, the separation of the bitumen and polymer phase will occur and due to the complex behavior of asphalt mixtures, predicting the performance of asphalt mixtures is difficult. Therefore, this study aimed to create stability in polymer modified bitumen with nanoparticles and give a model for predicting the Marshall stability of asphalt mixtures using artificial neural networks. 18 types of bitumen samples are prepared with a combination of AC 60/70 bitumen with SBS polymer and aluminum oxide and magnesium oxide nanosized particles and storage stability test has been carried out. Marshall samples were made and the marshall stability of the asphalt mixture samples measured at 60 ° C. In the ANN model, the amount of bitumen, the amount of SBS, the amount of AL2O3 nanoparticles, the MgO nanoparticles, the sample weight, the sample height were the parameters for the input layer where the Marshall stability was the parameter for the output layer. The most appropriate algorithm and the number of neurons in the hidden layer are determined. Based on the experimental results and the neural network model was concluded that ANN can be used as an accurate method to predict the Marshall stability of polymer modified bitumen containing nanoparticles.باوجود مزیتهای فراوان قیرهای پلیمری مانند مقاومت بیشتر در برابر شیارشدگی و خستگی، این قیر در هنگام ذخیرهسازی در دمای بالا دچار جدا شدن فاز قیر و پلیمر میشود و با توجه به رفتار پیچیده مخلوطهای آسفالتی، پیشبینی عملکرد مخلوطهای آسفالتی در این حالت سخت میباشد. لذا هدف از این تحقیق ایجاد پایداری در قیرهای پلیمری اصلاحشده با نانو ذرات و ایجاد مدلی جهت پیشبینی استحکام مارشال مخلوطهای آسفالتی با استفاده از شبکه عصبی مصنوعی میباشد. هجده نوع نمونه قیری با ترکیب قیر خالص 70-60 با پلیمر استایرن-بوتادین-استایرن، نانو ذرات اکسید آلومینیوم و اکسید منیزیم آماده گردید و آزمایش پایداری بر روی آنها انجام شد. سپس نمونههای مارشال ساخته و استحکام مارشال نمونههای مخلوط آسفالتی در دمای 60 درجه سانتیگراد اندازهگیری شد. در مدل شبکه عصبی مصنوعی، میزان قیر، میزان پلیمر، میزان نانو ذرات اکسید آلومینیوم، میزان نانو ذرات اکسید منیزیم، وزن و ارتفاع نمونه بهعنوان پارامترهای لایه ورودی و استحکام مارشال بهعنوان پارامتر لایه خروجی مشخص گردید و مناسبترین الگوریتم و تعداد نرونها در لایه پنهان تعیین شد. بر اساس نتایج آزمایشگاهی و مدل شبکه عصبی نتیجه گرفته شد که میتوان از شبکه عصبی مصنوعی بهعنوان روشی دقیق برای پیشبینی استحکام مارشال قیرهای پلیمری حاوی نانو ذرات استفاده کرد.انجمن مهندسی عمران ایرانفصلنامه علمی پژوهشی اساس2008-7721215520190823Numerical modelling of out of plane behavior of GFRP reinforced masonry wallsمطالعه عددی رفتار برون صفحه ای دیوار بنایی تقویت شده با نوار GFRP1831114671FAمریم واثقی امیریدانشکده مهندسی عمران، دانشگاه صنعتی نوشیروانی بابلمهدی دهستانیگروه سازه و زلزله، دانشکده مهندسی عمران، دانشگاه صنعتی نوشیروانی بابل، ایرانمحمد یکرنگ نیادانشگاه تربیت دبیر شهید رجاییJournal Article20181023The Masonry buildings are of the world's oldest buildings. Most of the historical buildings, schools and mosques are made of bricks. Beautiful view, low cost and time of constructions are the reasons for the popularity of these buildings. However, unreinforced masonry buildings are vulnerable. So for preservation of life and wealth of people and historical buildings, masonry structures need to be reinforced. Among various kinds of rehabilitation methods, using the Glass Fiber Reinforced Polymers (GFRP) strips is an effective retrofitting method due to its light weight, high strength and low labor requirement. Among the analytical methods, numerical analysis is more valuable than the laboratory analysis. Because it saves time and costs and facilitate the parametric analysis. Therefore, in this paper, the validation of the wall, in both unreinforced and reinforced by GFRP strips in tension side of the wall, in ABAQUS under explicit dynamical analysis, is verified. Then 5 walls with different types of arrangements of FRP strips, 4 walls with different mortar Coefficients have been modeled. At the end, the results showed that, by using GFRP strips as a reinforcing method; resistance, ductility and energy dissipation, increased to 3.5, 1.5 and 20 times than the unreinforced wall. Also for an equal volume of FRP, increasing the width, improves the behavior about 10 % compared to increasing the thickness of FRP.سازههای بنایی از جمله قدیمیترین ساختمان های جهان بوده و بیشتر سازههای سنتی، تاریخی، مدارس و مساجد، از نوع سازههای بنایی بوده و نمای زیبا، هزینه و زمان ساخت کم، از جمله عوامل محبوبیت این نوع سازهها میباشد. با این وجود سازهی بنایی تقویت نشده بسیار آسیب پذیر بوده و در مقابل مخاطرات طبیعی نیاز به مقاوم سازی و تقویت دارد. در میان روشهای مختلف مقاوم سازی، تقویت با نوارهای پلیمری مسلح به فیبر شیشه (GFRP)، به جهت وزن کم، مقاومت بالا و نیاز به نیروی کار کم، از جمله روش های موثر مقاوم سازی میباشد. در این مقاله با هدف صرفه جویی در زمان، هزینه و سهولت در آنالیز پارامتری، از نرمافزارABAQUS جهت مدلسازی دیوار بنایی در دو حالت تقویت شده با نوارهای GFRP استفاده شده است. رفتار دیوار با تحلیل دینامیکی صریح مورد بررسی قرار گرفته و قابل استناد بودن آن، برای تحلیلها و بررسیهای آینده اثبات میشود. پس از صحت سنجی، 5 دیوار با آرایشهای مختلف نوارهای FRP، 4دیوار با ضخامت های مختلف FRP، 4 دیوار با عرضهای مختلف FRP و 3 دیوار نیز با ضرایب مختلف ملاتهای قرار گرفته بین آجرها مدل میشوند. در انتها نشان داده میشود که با افزودن نوارهای GFRP به عنوان تقویت کننده، مقاومت، شکل پذیری و انرژی مستهلک شده در دیوار به ترتیب تا حدود 5/3، 5/1 و 20 برابر افزایش مییابد. همچنین برای حجم برابر استفاده شده از FRP افزایش عرض، به طور میانگین 10% رفتار بهتری نسبت به افزایش ضخامت دارد.انجمن مهندسی عمران ایرانفصلنامه علمی پژوهشی اساس2008-7721215520190823Transportation Road freight Accidents Prediction models using genetice programingارائه مدل پیش بینی تصادفات جرحی حمل و نقل جاده ای کالا با استفاده از برنامه ریزی ژنتیک3243114509FAمسعود باقری رامیانیدانشجوی دکتری/دانشگاه شمالغلامرضا شیرازیانگروه حمل ونقل، دانشکده عمران، دانشگاه شمال، آمل، ایرانJournal Article20190917Today, road transport is practically the most common mode of transport. Freight transport statistics also show that freight vehicles play an important role in the transportation industry. One of the topics raised in the categories of planning, transportation safety syncing safety planning with transport planning is and its components predict accidents and the macro level can be such that at the stage of planning, transport forecast,the number of accedents also take place. The purpose of the present study is to obtain and present a mathematical model to predict the number of road traffic accidents simultaneously with transportation planning stages. In this paper a macro econimic model of predicting road traffic accidents using genetic programing method.In this regard, variable related to each of stages of transportation planning including trip production,trip distribution, type of commodity and type of vehicles separation were selected and models were obtained for each of the four group.from these model,the optimal model is selected based on minimum error and highest R. For this purpose, data from 2011 to 2014 were used as baseline statistics and data from 2015 for model validation. Based on the present studies, among the models corresponding to the transport planning stages, the model based on travel production variables gives the best prediction of the surgical accident of the goods and therefore the travel production parameters are the most appropriate set of variables for modelling.امروزه استفاده از وسیلۀ نقلیه جادهای عملاً متداولترین شیوه حملونقل است. همچنین آمار و اطلاعات موجود در رابطه با حملونقل کالا مبین آن است که وسایل حملونقل باری دارای نقش مهمی در صنعت حملونقل هستند. یکی از مباحث مطرح در مقوله برنامهریزی ایمنی حملونقل، همگامسازی برنامهریزی ایمنی با برنامهریزی حملونقل است و از مؤلفههای آن پیشبینی تصادفات در سطح کلان است بهگونهای که در مرحله برنامهریزی حملونقل، پیش بیتی تعداد تصادفات نیز صورت میگیرد. هدف از انجام پژوهش حاضر دستیابی و ارائه مدل ریاضی بهمنظور پیشبینی تعداد تصادفات جرحی حملونقل جادهای کالا همزمان با مراحل برنامهریزی حملونقل است. در این مقاله با بررسی عوامل تأثیرگذار بر تصادفات حملونقل جادهای کالا، مدل کلان پیشبینی تصادفات جرحی جادهای کالا با استفاده از روش برنامهریزی ژنتیک ارائهشده است. در این راستا ابتدا متغیرهای مرتبط با هر یک از مراحل برنامهریزی حملونقل مشتمل بر تولید سفر، توزیع سفر، تفکیک نوع کالا و تفکیک نوع وسایل نقلیه انتخاب گردیده و در هریک از گروههای چهارگانه مدلهایی بهدستآمده است و در پایان از بین مدلهای مذکور، مدل بهینه بر مبنای حداقل خطا (ERR)و بالاترین میزان ضریب همبستگی (R)انتخاب گردیده است. بدین منظور از دادههای سالهای 1390 تا 1393 بهعنوان آمار مبنا و از اطلاعات سال 1394 برای اعتبارسنجی مدل استفادهشده است. بر مبنای مطالعات حاضر، از بین مدلهای متناظر با مراحل برنامهریزی حملونقل، مدل مبتنی بر متغیرهای تولید سفر بهترین پیشبینی را تصادفات جرحی کالا به دست میدهد و به همین دلیل پارامترهای تولید سفر مناسبترین گروه متغیرها برای ساخت مدل شناختهشدهاند.انجمن مهندسی عمران ایرانفصلنامه علمی پژوهشی اساس2008-7721215520190823Multi-objective decision making for risk allocation; Ant Colony Optimization modelمدل تصمیم گیری چند هدفه تخصیص بهینه ریسک؛ الگوریتم بهینه سازی چندهدفه جامعه مورچگان4454114510FAگرشاسب خزائنیاستادیار0000-0002-4113-9354مهدی فتاحیدانشگاه آزاد اسلامی واحد اراکاحسان اله ضیغمیاستادیارحمیدرضا عباسیان جهرمیاستادیارJournal Article20180825The improper allocation of risk among the contracting parties is an important decision leading to increase the total cost of a project and affect the overall relationship between the contracting parties in a construction project. This study introduces a practical model to select optimum allocation of risks based on parties’ behavior in comply with the concerns of the Owner in risk allocation process. Utilizing multi objectives Ant Colony Optimization algorithm, the proposed model may achieve a feasible and full penetrative approach to select a Pareto-optimal risk allocation. The proposed model rank feasible alternative and selects optimal allocation of risks to achieve maximum reliability in project result with minimum cost and risk exposure for decision maker, as main objectives of risk allocation. Applying expert’s judgment and experimental data in this model, decision maker can determine the actual consequence of any alternative for risk allocation and select optimal one regard to his desirable amount of project delay and premium.انتخاب نحوه تخصیص ریسک ها، یک تصمیم استراتژیک در پروژه های ساخت می باشد که می تواند به میزان زیادی هزینه و زمان پروژه را متاثر نماید. به نحوی که تخصیص ریسک ناصحیح یا غیر شفاف را علت اصلی افزایش ادعاهای قرادادی و شکست پروژه های ساخت دانسته اند. در این مقاله یک مدل کمی برای انتخاب تخصیص بهینه ریسک های پروژه به منظور دست یابی به انتظارات متفاوت کارفرمایان ارائه شده است. مدل پیشنهادی، تخصیص بهینه ریسک ها را به نحوی پیشنهاد می نماید که بالاترین سطح اعتماد از دستیابی به اهداف پروژه را با کمترین هزینه و قرارگیری کارفرما در معرض پایین ترین سطح ریسک ها امکان پذیر نماید. برای این منظور یک الگوریتم بهینه سازی چند هدفه جامعه مورچگان توسعه یافته است که به خوبی قابلیت پیاده سازی در پروژه های چند عاملی و پیچیده امروزی را دارا می باشد. همچنین نتایج پیاده سازی این مدل در یک پروژه موردی و آنالیز حساسیت، نشان دهنده توانایی آن در انتخاب مناسب ترین ضمانت ها می باشد.انجمن مهندسی عمران ایرانفصلنامه علمی پژوهشی اساس2008-7721215520190823Artificial neural network for Shear Strength assessment of slender reinforced concrete beams without stirrupشبکه های عصبی مصنوعی برای برآورد مقاومت برشی تیرهای بتنی بدون خاموت5463114511FAیاسر شریفیعمران-فنی-ولی عصر رفسنجان-رفسنجان-ایراننجمه محمدی درجوزیکارشناسی ارشد سازه، دانشکده فنی مهندسی، موسسه آموزش عالی علامه جعفری رفسنجانعادل مقبلیعمران-فنی-ولی عصر-رفسنجان-ایرانJournal Article20180901In reinforced concrete beams, as the main weakness of concrete is in tension, rate of tension near support is less and it increases near the middle of span and leads to more ductility in this area. Artificial neural network has been developed as a reliable method to simulate and determine ultimate shear strength of slender concrete beams without stirrup. A numerical study was carried out to investigate shear capacity of slender reinforced concrete beams without stirrup subjected to simply support. For this purpose the effect of several parameters on shear strength of slender concrete beams without stirrup such as effective depth, shear span, compressive strength of shear reinforcement was considered. A numerical study was done in order to analyze and study results of artificial neural networks and finally an empirical formulae with suitable accuracy was obtained to determine ultimate shear capacity of slender reinforced concrete beams. Artificial neural networks and the obtained formulae were compared with several code recommendations. The results show that the model suggested by artificial neural network gives a suitable and exact formulae than other code recommendations formula.محاسبه و تخمین مقاومت برشی تیرهای بتنی در مرحله طراحی و مهمتر از آن جهت مقاومسازی سازههای اجرا شده از اهمیت بسیاری برخوردار است. آییننامههای موجود روشهای متفاوتی را برای براورد مقاومت برشی پیشنهاد دادهاند. در این تحقیق سعی شد با استفاده از روش محاسباتی هوشمند فرمولبندی دقیقتری نسبت به روابط پیشنهادی آییننامهها ارائه شود. در این راستا بررسی گستردهای جهت جمعآوری نمونههای آزمایشگاهی معتبر انجام شد. پس از مشخص نمودن کلیه پارامترهای تاثیرگذار، مدل شبکه عصبی مصنوعی به صورت یک روش قابل اطمینان برای شبیهسازی و تعیین مقاومت برشی نهایی تیرهای بتنی لاغر بدون خاموت با مقطع مستطیل شکل، توسعه داده شده است. سرانجام یک رابطه تجربی با دقت مناسب برای تعیین مقاومت برشی نهایی تیرهای بتنی لاغر بدون خاموت با استفاده از شبکههای عصبی مصنوعی بدست آمده است و در نهایت نتایج بدست آمده با آییننامههای معتبر دنیا مقایسه شده است. همچنین مقایسهی مقاومت برشی آزمایشگاهی با آییننامههای مختلف و مدل پیشنهادی توسط شبکههای عصبی مصنوعی، نشان میدهد که مدل پیشنهاد شده از عملکرد مناسبی برخوردار است.انجمن مهندسی عمران ایرانفصلنامه علمی پژوهشی اساس2008-7721215520190823Effect of metakaolin on mechanical properties of calcium aluminate cement-based concrete at high temperaturesتاثیر استفاده از متاکائولن بر خصوصیات مکانیکی بتن برپایه سیمان کلسیم آلومینات در دماهای بالا6473114512FAسعید کردیگروه عمران، دانشکده فنی و مهندسی، دانشگاه لرستان، خرم آباد، ایرانفریدون امیدی نسبگروه عمران، دانشکده فنی و مهندسی، دانشگاه لرستان0000-0003-2510-4394مهدی دهستانیگروه عمران، دانشکده فنی و مهندسی، دانشگاه صنعتی نوشیروانی بابل، بابل، ایرانJournal Article20190305Concrete structures are more popular than other types of structures because they have special and non-recyclable material, which keeps them stable against the destruction factors like fire and heat. According to the previous study, calcium aluminate cement has higher compressive strength and higher modulus of elasticity than Portland cement in the temperature range of 20 to 800 degrees Celsius. The purpose of this study is to investigate the mechanical properties of calcium aluminate cement concrete-based and determine the optimal percentage of metakaolin as cement materials substitute at temperatures of 110, 600 and 800 degrees Celsius. Therefore, 5 designs include 0, 5, 10, 15 and 20% of metakaolin instead of calcium aluminate IRC40 cement were used to make 135 specimens, with cubic compressive specimens 10 × 10 × 10 cm, cylindrical tensile specimens with a diameter of 10 and height of 20 cm, and a flexural beam with dimensions of 32 × 8 × 6. The experimental results show that the addition of metakaolin in all specimens developed the mechanical properties. In other words, to demonstrate the best performance in experiments the rate of 10 to 15% of metakaolin replaced calcium aluminate cement.سازههای بتنی به موجب دارا بودن مواد و مصالح خاص و عمدتاً غیر قابل بازیافت، در بین انواع سازهها از جایگاه ویژهای برخوردار هستند که این موضوع و حفظ آنها در برابر عوامل مخرب و به خصوص آتش و حرارتهای بالا، از اهمیت زیادی برخوردار است. بر اساس تحقیقات پیشین سیمانهای کلسیم آلومینات دارای مقاومت فشاری و مدول الاستیسیته بالاتر در محدوده دمایی 20 تا 800 درجه سلسیوس نسبت به سیمانهای پرتلند میباشند. هدف از این پژوهش بررسی خصوصیات مکانیکی بتن مبتنی بر سیمان کلسیم آلومینات، و تعیین درصد بهینه متاکائولن بعنوان مصالح جایگزین سیمان در دماهای 110، 600 و 800 درجه سلسیوس میباشد. در همین راستا از 5 طرح اختلاط با 0، 5، 10، 15 و 20 درصد متاکائولن به جای سیمان کلسیم آلومینات IRC40، برای ساخت 135 نمونه شامل نمونههای فشاری مکعبی 10×10×10سانتیمتر، نمونههای کششی استوانهای با قطر 10 و ارتفاع 20 سانتیمتر و تیرهای خمشی با ابعاد 6×8×32 سانتیمتر استفاده شد. مطابق نتایج آزمایشگاهی افزودن متاکائولن در کلیه نمونهها باعث افزایش خصوصیات مکانیکی شد. در حالت کلی، غالباً سطح جایگزینی 10 تا 15 درصد متاکائولن بجای سیمان کلسیم آلومینات، در آزمایشها بهترین عملکرد را نشان داد.