Home
Giới thiệu
Tài khoản
Đăng nhập
Quên mật khẩu
Đổi mật khẩu
Đăng ký tạo tài khoản
Liệt kê
Công trình khoa học
Bài báo trong nước
Bài báo quốc tế
Sách và giáo trình
Thống kê
Công trình khoa học
Bài báo khoa học
Sách và giáo trình
Giáo sư
Phó giáo sư
Tiến sĩ
Thạc sĩ
Lĩnh vực nghiên cứu
Tìm kiếm
Cá nhân
Nội dung
Góp ý
Hiệu chỉnh lý lịch
Thông tin chung
English
Đề tài NC khoa học
Bài báo, báo cáo khoa học
Hướng dẫn Sau đại học
Sách và giáo trình
Các học phần và môn giảng dạy
Giải thưởng khoa học, Phát minh, sáng chế
Khen thưởng
Thông tin khác
Tài liệu tham khảo
Hiệu chỉnh
Số người truy cập: 106,079,754
Shear strength prediction in reinforced concrete deep beams using nature-inspired metaheuristic support vector regression
Tác giả hoặc Nhóm tác giả:
Jui-Sheng Chou,
Ngoc-Tri Ngo
, Anh-Duc Pham
Nơi đăng:
Journal of Computing in Civil Engineering (SCI, IF = 1.855, Ranking 29/126, Q1);
S
ố:
30(1);
Từ->đến trang
: 04015002;
Năm:
2016
Lĩnh vực:
Kỹ thuật;
Loại:
Bài báo khoa học;
Thể loại:
Quốc tế
TÓM TẮT
unfaithful spouse infidelity i dreamed my husband cheated on me
ABSTRACT
The shear strength of reinforced concrete (RC) deep beams is a dynamic phenomenon that varies with many mechanical and geometrical factors. Accurately estimating shear strength in RC deep beams is a vital issue in engineering design and management. However, prediction accuracy is still poor. This study presents a nature-inspired metaheuristic regression method for accurately predicting shear strength in RC deep beams that combines a novel smart artificial firefly colony algorithm (SFA) and least squares support vector regression (LS-SVR). The SFA integrates the firefly algorithm (FA), chaotic map (CM), adaptive inertia weight (AIW), and Lévy flight (LF). First, an adaptive approach and randomization methods (i.e., CM, AIW, and LF) were incorporated in FA to construct an effective metaheuristic algorithm for global optimization. The SFA was then used to optimize the hyperparameters of the LS-SVR model. The proposed model was constructed using a data set for RC deep beams which was derived from the literature. Model performance was evaluated by comparing results with those of a baseline SVR model and with previous methods via a cross validation algorithm. Analytical results show that the novel optimized prediction model is superior to others in predicting the shear strength of RC deep beams and that it can assist civil engineers in designing RC deep beam structures. DOI: 10.1061/(ASCE)CP.1943-5487.0000466. © 2015 American Society of Civil Engineers.
© Đại học Đà Nẵng
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn