Mang lại công thức k-factor mới theo tiêu chuẩn aisc bằng máy học

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Thanh Tung Nguyen

Ngôn ngữ: Vie

Ký hiệu phân loại: 720 Architecture

Thông tin xuất bản: Tạp chí Khoa học Kiến trúc và Xây dựng , 2023

Mô tả vật lý: 54-58

Bộ sưu tập: Metadata

ID: 408660

Thêm vào giỏ Liên kết toàn văn

Tóm tắt
Chủ đề

Kết quả sử dụng máy học thông qua lập trình di truyền (GP) để tự động tạo ra công thức hệ số chiều dài hiệu dụng mới theo tiêu chuẩn AISC được trình bày trong bài viết này. Các điểm dữ liệu thu được từ việc áp dụng giải phương trình phương pháp số cho phương trình siêu việt cho chiều dài hiệu dụng của khung giằng được đưa vào thuật toán máy học. Công thức được so sánh với phương pháp giải số của tiêu chuẩn AISC cho phương trình. Do đó, sai số trong công thức là không đáng kể. Vì vậy, để thuận tiện hơn trong thực tế, công thức hoàn toàn có thể thay thế biểu đồ của tiêu chuẩn AISC., Tóm tắt tiếng anh, The results of using machine learning via genetic programming (GP) to automatically generate novel effective length factor formula in accordance with AISC standard are presented in this article. The data points obtained from applying the numerical method equation solving for the transcendental equation for the effective length of the braced frame were fed into the machine learning algorithm. The the formula was compared to the AISC standard's numerical solution method for the equation. As a result, the error in the formula is negligible. Therefore, for greater convenience in practice, the the formula can completely replace the AISC standard's chart.

Tạo bộ sưu tập với mã QR