دانلود مقاله ISI انگلیسی شماره 52683
ترجمه فارسی عنوان مقاله

طراحی مطلوب ساختارها تحت بارگیری تاریخچه تاریخ با استفاده از هوش مصنوعی و یک متامدل پیشرفته

عنوان انگلیسی
Optimal design of structures subjected to time history loading by swarm intelligence and an advanced metamodel
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
52683 2009 14 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
تولید محتوا برای سایت شما
پایگاه ISIArticles آمادگی دارد با همکاری مجموعه «شهر محتوا» با بهره گیری از منابع معتبر علمی، برای کتاب، سایت، وبلاگ، نشریه و سایر رسانه های شما، به زبان فارسی «تولید محتوا» نماید.
  • تولید محتوا با مقالات ISI برای سایت یا وبلاگ شما
  • تولید محتوا با مقالات ISI برای کتاب شما
  • تولید محتوا با مقالات ISI برای نشریه یا رسانه شما
  • و...

پیشنهاد می کنیم کیفیت محتوای سایت خود را با استفاده از منابع علمی، افزایش دهید.

سفارش تولید محتوا کد تخفیف 10 درصدی: isiArticles
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Computer Methods in Applied Mechanics and Engineering, Volume 198, Issues 37–40, 1 August 2009, Pages 2936–2949

ترجمه کلمات کلیدی
زمین لرزه، بهینه سازی ذرات ذرات، شبکه عصبی، سیستم استنتاج نوری فازی سازگار، الگوریتم کمکی نقشه خودمراقبتی، عملکرد پایه شعاعی
کلمات کلیدی انگلیسی
Earthquake; Particle swarm optimization; Neural network; Adaptive neuro-fuzzy inference system; Subtractive algorithm; Self-organizing map; Radial basis function

چکیده انگلیسی

This paper proposes a new metamodeling framework that reduces the computational burden of the structural optimization against the time history loading. In order to achieve this, two strategies are adopted. In the first strategy, a novel metamodel consisting of adaptive neuro-fuzzy inference system (ANFIS), subtractive algorithm (SA), self organizing map (SOM) and a set of radial basis function (RBF) networks is proposed to accurately predict the time history responses of structures. The metamodel proposed is called fuzzy self-organizing radial basis function (FSORBF) networks. In this study, the most influential natural periods on the dynamic behavior of structures are treated as the inputs of the neural networks. In order to find the most influential natural periods from all the involved ones, ANFIS is employed. To train the FSORBF, the input–output samples are classified by a hybrid algorithm consisting of SA and SOM clusterings, and then a RBF network is trained for each cluster by using the data located. In the second strategy, particle swarm optimization (PSO) is employed to find the optimum design. Two building frame examples are presented to illustrate the effectiveness and practicality of the proposed methodology. A plane steel shear frame and a realistic steel space frame are designed for optimal weight using exact and approximate time history analyses. The numerical results demonstrate the efficiency and computational advantages of the proposed methodology.

دانلود فوری مقاله + سفارش ترجمه
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.