Wyszukiwarka
Abstrakt
Fiber-Reinforced Polymers (FRP) were developed as a new method over the past decades due to their many beneficial mechanical properties, and they are commonly applied to strengthen masonry structures. In this paper, the Artificial Neural Network (ANN), K-fold Cross-Validation (KFCV) technique, Multivariate Adaptive Regression Spline (MARS) method, and M5 Model Tree (M5MT) method were utilized to predict the ultimate strength of FRP strips applied on masonry substrates. The results obtained via ANN, KFCV, MARS, and M5MT were compared with the existing models. The results clearly indicate that the considered approaches have better efficiency and higher precision compared to the models available in the literature. The correlation coefficient values for the considered models (i.e., ANN, KFCV, MARS, and M5MT) are promising results, with up to 99% reliability.
Cytowania
-
0
CrossRef
-
0
Web of Science
-
0
Scopus
Autorzy (4)
-
Reza Kamgar
-
Houman Ebrahimpour Komleh
Cytuj jako
Pełna treść
- Wersja publikacji
- Accepted albo Published Version
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.3390/app13126955
- Licencja
-
otwiera się w nowej karcie
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Publikacja w czasopiśmie
- Typ:
- artykuły w czasopismach
- Opublikowano w:
-
Applied Sciences-Basel
nr 13,
ISSN: 2076-3417 - Język:
- angielski
- Rok wydania:
- 2023
- Opis bibliograficzny:
- Kamgar R., Komleh H. E., Jakubczyk-Gałczyńska A., Jankowski R.: Estimation of the Ultimate Strength of FRP Strips-to-Masonry Substrates Bond// Applied Sciences-Basel -,iss. 12 (2023), s.1-21
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.3390/app13126955
- Źródła finansowania:
-
- COST_FREE
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 34 razy
Publikacje, które mogą cię zainteresować
Heavy duty vehicle fuel consumption modelling using artificial neural networks
- O. Wysocki,
- D. Elizondo,
- L. Deka
Heavy Duty Vehicle Fuel Consumption Modelling Based on Exploitation Data by Using Artificial Neural Networks
- O. Wysocki,
- L. Deka,
- D. Elizondo
- + 2 autorów