دانشگاه صنعتی امیرکبیرنشریه مهندسی عمران امیرکبیر2588-297X571020251222Development of Gauss-Legendaire-Hermite-3Point (GLH-3P) Formulation for Linear and Nonlinear Analysis of Earthquake-Affected Structuresتوسعه فرمولبندی گاوس-لژاندر-هرمیت-سهنقطهای (GLH-3P) برای تحلیل خطی و غیرخطی ارتعاشات سازهها تحت اثر تحریک زلزله17251748598310.22060/ceej.2026.23247.8136FAمهدیبابائی قلعه جوقدانشکده فنی و مهندسی، دانشگاه بناب، بناب، ایران0000-0002-9080-1893محمدرضاحنفیدانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، ایران0009-0003-2238-2740علیرضارهاییدانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، ایران0000-0002-9101-0794Journal Article20240603The dynamic behavior of structures under seismic loading is a critical consideration in civil engineering, requiring accurate and efficient analytical methods. Nonlinear time history analysis methods, which involve solving the structure's motion equations over time, serve as valuable tools in this regard. These methods consist of two key components: an acceleration model for each step and a numerical integration technique for tackling nonlinear equations. This research presents an effective formulation for nonlinear dynamic analysis of structures, referred to as the Gauss-Legendre-Hermit-3P Method. It's based on the implicit three-point Gauss integration rule and employs third-order Hermite interpolation for approximating intermediate steps. The proposed formula can analyze nonlinear geometric and material systems and handle various loading patterns. To evaluate the performance of this formulation, a series of linear and nonlinear systems were subjected to the El-Centro earthquake record and analyzed. The results obtained from the analyses of the new method were compared with those of other commonly used methods, including the semi-analytical Duhamel integral method, the pseudo-analytical Newmark-beta method, and the Wilson-theta method. The proposed formulation exhibits a significant advantage over other methods in terms of accuracy, stability, convergence, and computational cost. It can be seamlessly implemented into finite element software and employed for nonlinear time history analysis of single-degree-of-freedom and multi-degree-of-freedom structures.پاسخ دینامیکی سازهها تحت اثر زلزله یکی از مسائل مهم مهندسی عمران است که نیازمند روشهای تحلیلی دقیق و کارآمد است. روشهای تحلیل تاریخچه زمانی غیرخطی، ابزاری قدرتمند برای ارزیابی پاسخ دینامیکی سازهها تحت اثر زلزله ارائه میدهند. اساساً، این روشها نیازمند فرض یک مدل برای تغییرات شتاب در طول گام و یک روش انتگرالگیری مؤثر عددی برای حل معادلات غیرخطی هستند. در این پژوهش، فرمولبندی کارآمدی برای تحلیل دینامیکی غیرخطی سازهها تحت عنوان روش گاوس-لژاندر-هرمیت-سه نقطهای ارائه میگردد که مبتنی بر قاعده انتگرالگیری ضمنی سه-نقطهای گاوس میباشد که از درونیابی مرتبه سوم به روش هرمیت برای تقریب میانگامها استفاده میکند. فرمول ارائهشده قابلیت تحلیل سیستمهای غیرخطی هندسی و مصالح را دارا بوده و انواع مختلفی الگوهای بارگذاری را پوشش میدهند. متعاقباً، جهت بررسی عملکرد فرمولبندی پیشنهادی، تعدادی از سیستمهای خطی و غیرخطی تحت اثر بارگذاری رکورد زلزله ال-سنترو قرار گرفته و مورد بررسی قرار گرفتند. نتایج بهدستآمده از تحلیلهای روش جدید، با نتایج روشهای رایج دیگر مانند روش نیمهتحلیلی انتگرال دوهامل و روش شبه تحلیلی نیومارک-بتا و روش ویلسون-تتا مورد مقایسه قرار گرفته است. فرمولبندی ارائهشده از نظر دقت، پایداری، همگرایی و هزینه محاسباتی برتری قابلتوجهی نسبت به سایر روشها دارد و میتوان آن را در نرمافزارهای اجزای محدود پیادهسازی و برای تحلیل تاریخچه زمانی غیرخطی سازههای یک درجه آزادی استفاده کرد.https://ceej.aut.ac.ir/article_5983_0cb82dbdcda47e2ad7b7aaf69573906e.pdfدانشگاه صنعتی امیرکبیرنشریه مهندسی عمران امیرکبیر2588-297X571020251222A Sustainable Approach to Recycling Multi-Layer Aseptic Packagingراهکاری پایدار برای بازیافت بستهبندیهای آسپتیک چندلایه17491768598510.22060/ceej.2026.23617.8189FAپویاشعاعیدانشکده محیط زیست، دانشگاه تهران، تهران، ایران.0009-0000-9931-9916علیرضابازارگاندانشکده محیط زیست، دانشگاه تهران، تهران، ایرانJournal Article20241020Recycling aseptic cartons poses significant challenges due to their complex multi-layer structure. This study focuses on optimizing the dissolution of low-density polyethylene (LDPE) to develop an efficient recycling method for these materials. Cartons from various brands were collected, cleaned, and dried, with LDPE dissolved using a solvent blend of xylene, toluene, and gasoline. The Plackett-Burman experimental design was employed to identify key factors affecting dissolution. The optimal solvent ratio was determined to be 50:25:25 (v/v) gasoline, xylene, and toluene. Critical parameters, in order of influence, included the solid-to-liquid ratio, double-layer seams, temperature, and time. Under optimal conditions (120°C for 30 minutes), complete LDPE dissolution was achieved across all brands. Recovery rates reached 100% for LDPE and 90% for the solvent. Traditional methods for separating aluminum from paper proved ineffective, but an eddy current separator (ECS) was identified as a viable solution. Furthermore, omitting the hydropulping step enhanced LDPE dissolution. This research paves the way for more effective recycling strategies, supporting sustainable waste management and advancing the circular economy. Additional studies on scalability, economic feasibility, and environmental impact are required for industrial application.بازیافت کارتنهای آسپتیک به دلیل ساختار چندلایه با چالشهای زیادی مواجه است. این پژوهش به منظور بهینهسازی فرآیند انحلال پلیاتیلن کمچگالی (LDPE) و ارائه روشی کارآمد برای بازیافت مؤثر این مواد انجام شد. کارتنها از برندهای مختلف جمعآوری، شسته و خشک شدند و انحلال LDPE با ترکیبی از حلالهای زایلن، تولوئن و بنزین صورت گرفت. با استفاده از طراحی آزمایش Plackett-Burman، پارامترهای مؤثر بر انحلال شناسایی شدند. نتایج نشان داد که نسبت بهینه حلالها برای انحلال LDPE به صورت بنزین:زایلن:تولوئن (50:25:25) حجم/حجم است. پارامترهای مؤثر به ترتیب شامل نسبت جامد به مایع، درزهای دولایه، دما و زمان بودند. در شرایط بهینه (120 درجه سلسیوس و 30 دقیقه)، انحلال کامل LDPE برای تمامی برندها بهدست آمد. درصد بازیابی LDPE و حلال به ترتیب 100% و 90% بود. روشهای متداول جداسازی آلومینیوم از کاغذ موفق نبودند، اما استفاده از جداساز جریان گردابی (ECS) برای این منظور مناسب تشخیص داده شد. علاوه بر این، حذف مرحله هیدروپالپینگ از فرآیند بازیافت، موجب بهبود انحلال LDPE شد. این پژوهش میتواند به توسعه روشهای بازیافت کارآمدتر و مدیریت پایدار پسماند کمک کرده و گامی در جهت تحقق اقتصاد چرخشی باشد. برای اجرای صنعتی این روش، مطالعات بیشتری در زمینه مقیاسپذیری، ارزیابی اقتصادی و اثرات محیطزیستی مورد نیاز است.https://ceej.aut.ac.ir/article_5985_fccc64972a9468a11f125cadb090e89e.pdfدانشگاه صنعتی امیرکبیرنشریه مهندسی عمران امیرکبیر2588-297X571020251222Simultaneous Determination of the Location and Time of IPCC System Installation and Relocation in Open Pit Mines Considering the Time Value of Moneyتعیین توأم مکان و زمان استقرار و جابجاییهای سیستم IPCC در معادن روباز با در نظر گرفتن تأثیر ارزش زمانی پول17691788598610.22060/ceej.2026.24259.8282FAفردینشیرمحمدیدانشکده مهندسی معدن، دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)، تهران، ایران.سجادافرائیدانشکده مهندسی معدن، دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)، تهران، ایران.0000-0002-8476-6358مجیدعطایی پوردانشکده مهندسی معدن، دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)، تهران، ایران.0000-0002-2387-8831Journal Article20250610As the depth of the mines increases, the loading rate of each truck per unit of time decreases, so that the number of trucks may increase in order to compensate for a drop in production. In contrast, the continuous transportation system, is capable of carrying more volumes of minerals and wastes due to its higher carrying capacity and functionality on steep slopes. For this reason, this topic has attracted the attention of researchers. This research examines the optimal level of the in-pit crusher station, so that its using time and location are optimized based on the time value of money. To this end, a modified target function is used to consider the capital and operational costs of both truck and conveyor transport systems according to the time value of the money and apply the impact of capital costs on the initial locations and subsequent locations of the crusher station. The results show that the use of the year when the method of changing the method from the Shovel-truck system to the IPCC system leads to the lowest net present value of the costs, and the use of location information that year to determine the optimal level has achieved the best results. According to the findings in the hypothetical mine, the fifth year in the fifth year was the most optimized place and time for the use of the IPCC system, and the cost of using the system was 5.16% in the first year of the mine.با افزایش عمق معادن، نرخ بارگیری هر کامیون کاهش مییابد، بهگونهای که برای جبران افت تولید، ممکن است نیاز به افزایش تعداد کامیونها تا دو برابر باشد. در مقابل، سیستم حمل پیوسته نظیر نوار نقاله، به دلیل برخورداری از ظرفیت حمل بالاتر و قابلیت عملکرد در شیبهای تندتر، توان حمل حجم بیشتری از مواد معدنی و باطله را دارا است. به همین دلیل، سیستمهای سنگشکنی و حمل توسط نوار نقاله درون معدنی (IPCC) و مکانیابی آنها مورد توجه محققان قرار گرفته است. این تحقیق به بررسی یافتن تراز بهینه ایستگاه سنگشکن درون معدنی میپردازد، به گونهای که با توجه به هزینه سرمایهای بالای این سیستم، زمان استفاده و مکان آن بر اساس ارزش زمانی پول بهینه شود. برای این منظور، از تابع هدف اصلاح شدهای استفاده شده که هزینههای سرمایهای و عملیاتی هر دو سیستم حمل کامیون و نوار نقاله را با توجه به ارزش زمانی پول در نظر میگیرد و تاثیر هزینههای سرمایهای را بر مکان اولیه و مکانهای بعدی ایستگاه سنگشکن اعمال میکند. نتایج تحقیق نشان میدهد که استفاده از سالی که تغییر روش از سیستم شاول-کامیون به سیستم IPCC منجر به کمترین ارزش خالص فعلی هزینهها میشود و استفاده از اطلاعات مکانیابی همان سال برای تعیین ترازهای بهینه، بهترین نتیجه را به همراه داشته است. طبق یافتهها در معدن فرضی، تراز پنجم در سال پنجم، مکان و زمان بهینه برای استفاده از سیستم IPCC و مقدار کاهش هزینه نسبت به استفاده از این سیستم در سال اول عمر معدن 16/5 درصد بوده است.https://ceej.aut.ac.ir/article_5986_fd45c64e026040dbcb83395829d2aea5.pdfدانشگاه صنعتی امیرکبیرنشریه مهندسی عمران امیرکبیر2588-297X571020251222Optimization of Electrocoagulation for Reducing the Organic Load of Landfill Leachate: A Case Study of the Tehran Kahrizak Landfillبهینه سازی فرایند انعقاد الکتریکی در کاهش بار آلی شیرابه، مطالعه موردی: شیرابه مرکز دفن کهریزک تهران17891806598710.22060/ceej.2026.24982.8369FAحانیهمهرشاددانشکده فنی و مهندسی، گروه مهندسی عمران، دانشگاه خوارزمی، تهران، ایرانمحمددلنوازدانشکده فنی و مهندسی، گروه مهندسی عمران، دانشگاه خوارزمی، تهران، ایران0000-0002-6843-2649Journal Article20251025The leachate generated at municipal solid-waste landfills contains complex, recalcitrant, and potentially toxic constituents; therefore, it should be treated before discharge to the environment and groundwater. In this study, leachate samples were collected from the Aradkouh Waste Management Complex (Kahrizak, Tehran, Iran) and treated using an electrocoagulation (EC) process. The effects of initial pH (4, 7, and 9), current density (25.31, 37.97, and 50.63 mA/cm²), reaction time (15–60 min), and inter-electrode distance (1, 2, and 4 cm) were evaluated for the removal of chemical oxygen demand (COD), total dissolved solids (TDS), and total suspended solids (TSS). Experiments were conducted in a plexiglass batch reactor equipped with three aluminum electrodes and powered by a direct-current supply. Under the optimum conditions (pH 9, 50.63 mA/cm², 60 min, and 2 cm), removal efficiencies of COD, TDS, and TSS reached 37.8%, 34.3%, and 40.2%, respectively. In addition, concentrations of Cr, Pb, Zn, and Fe were determined in raw and treated leachate using atomic absorption spectrometry, with corresponding removal efficiencies of 43.75%, 41.43%, 37.50%, and 27.23%. Overall, the results indicate that electrocoagulation can serve as an effective pretreatment option for reducing the pollutant load of highly concentrated landfill leachate.شیرابه حاصل از مراکز دفن حاوی ترکیبات پیچیده، مقاوم و سمی است که مستلزم تصفیه آن قبل از ورود به محیطزیست و آبهای زیرزمینی میباشد. هدف از این مطالعه استفاده از فرایند انعقاد الکتریکی و بررسی اثر پارامترهای pH(4، 7 و 9)، دانسیته جریان الکتریکی (25/31، 37/97و 50/63 میلیآمپر بر سانتیمتر مربع)، زمان انجام واکنش (15 تا 60 دقیقه) و فاصله الکترودها نسبت به یکدیگر (1، 2 و 4 سانتیمتر) بهعنوان متغیر جهت حذف COD، TDS و TSS از شیرابه مجتمع مدیریت پسماند آرادکوه واقع در کهریزک تهران میباشد. جهت انجام فرایند از یک مخزن با جنس پلکسی گلس حاوی سه الکترود آلومینیومی و یک منبع تغذیه جریان مستقیم استفاده شد. بهترین بازده حذف COD، TDS و TSS در 9=pH، دانسیته جریان 50.63 میلیآمپر بر سانتیمتر مربع، زمان انجام واکنش 60 دقیقه و فاصله 2 سانتیمتری الکترودها نسبت به یکدیگر رخ داد که به ترتیب 37/8، 34/3 و 40/2 درصد به دست آمد. همچنین میزان فلزات سنگین نظیر کرم، سرب، روی و آهن، در شیرابه خام و سپس بعد از تصفیه توسط فرایند انعقاد الکتریکی بهوسیله دستگاه جذب اتمی اندازهگیری شد. نتایج نشان داد که میزان حذف هر یک از این فلزات به ترتیب به میزان 43/75، 41/43، 37/5 و 27/23 درصد میباشد. این مطالعه نشان داد فرایند انعقاد الکتریکی روشی مؤثر برای کاهش میزان بار آلی شیرابه جایگاه دفن مواد زائد شهری است.https://ceej.aut.ac.ir/article_5987_7f9d88fe83d3e7fce3136e510b0a9a38.pdfدانشگاه صنعتی امیرکبیرنشریه مهندسی عمران امیرکبیر2588-297X571020251222Analysis of Mathematical Models for Predicting the Mechanical Resistance of Concrete Reinforced with Steel Fibers Using Experimental and Machine Learning Methodsتجزیه و تحلیل مدلهای ریاضی پیشبینی مقاومتهای مکانیکی بتنهای مسلح به الیاف فولادی به روش تجربی و مبتنی بر یادگیری ماشین18071838599010.22060/ceej.2026.20086.8164FAمحمدحسینتقوی پارساگروه عمران، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران0000-0002-2968-7294مرتضیاسماعیلیدانشکده مهندسی راه آهن، دانشگاه علم و صنعت، تهران، ایرانمحمد رضاعدل پرورگروه عمران، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایرانJournal Article20240816The purpose of this article is to present an optimal mathematical model for predicting the mechanical resistance of concrete reinforced with steel fibers. For this purpose, while studying and investigating the relationships of previous researchers for predicting the compressive, tensile and bending strengths of fiber concrete reinforced with steel fibers, the optimal mathematical relationships governing the problem have been investigated by machine learning method. The focus of the current research is on those concretes reinforced with steel fibers, which are made of smooth, wavy and double-crossed fibers on a macro scale. During this research, the mathematical relationships extracted from the machine learning method, which is used to model the prediction of compressive, tensile and bending strengths of concrete reinforced with steel fibers and by applying the symbolic regression method based on a database consisting of 2283 The provided international data is checked. The efficiency of the models used in this research has been measured using error analysis statistics such as RMSE and MAPE. The results show that the parameters of the size of the largest aggregate, modulus of elasticity, compressive strength of control concrete, water-cement ratio, volume percentage and length of fibers, dimensional ratio of fibers and tensile or bending strength related to the type of output investigated for fiber concrete have the greatest effect. They are resistant to prediction. Examining the results shows that the formulas presented for predicting the strength of reinforced concrete for the examined fibers have considerable accuracy compared to the previous mathematical relationships.هدف از مقاله حاضر، ارائه مدل ریاضی بهینه برای پیشبینی مقاومتهای مکانیکی بتن مسلح به الیاف فولادی است. برای این منظور ضمن مطالعه و بررسی آزمایشگاهی روابط محققین قبلی برای پیشبینی مقاومتهای فشاری، کششی و خمشی بتن الیافی مسلح شده با الیاف فولادی، روابط ریاضی بهینه حاکم بر مسئله به روش یادگیری ماشین بررسی شده است. تمرکز تحقیق حاضر بر روی آن دسته از بتنهای مسلح به الیاف فولادی است که در ساخت آنها از الیاف به اشکال صاف، موجدار و دوسرقلاب در مقیاس ماکرو استفاده شده است. طی این تحقیق روابط ریاضی مستخرج از روش یادگیری ماشین که با استفاده از مدلسازی پیشبینی مقاومتهای فشاری، کششی و خمشی بتنهای مسلح به الیاف فولادی و با به کارگیری روش رگرسیون نمادی بر مبنای یک پایگاه دادهی مشتمل بر 2283 دادهی بین المللی ارائه شده بررسی میگردد. کارایی مدلهای به کار گرفته شده در این تحقیق با استفاده از سنجههای آماری آنالیز خطا نظیر RMSE و MAPE سنجیده شده است. نتایج نشان میدهد که پارامترهای سایز بزرگترین سنگدانه، مدول الاستیسیته، مقاومت فشاری بتن شاهد، نسبت آب به سیمان، درصد حجمی و طول الیاف، نسبت ابعادی الیاف و مقاومت کششی یا خمشی مرتبط با نوع خروجی مورد بررسی برای بتن الیافی بیشترین اثر را بر روی پیشبینی مقاومت دارند. بررسی نتایج نشان میدهد که فرمولهای ارائه شده برای پیشبینی مقاومت بتن مسلح برای الیاف مورد بررسی نسبت به روابط ریاضی گذشته از دقت قابل ملاحظهای برخوردار است.https://ceej.aut.ac.ir/article_5990_3cba81c5c6cac4ce77157631fc2dc277.pdfدانشگاه صنعتی امیرکبیرنشریه مهندسی عمران امیرکبیر2588-297X571020251222A Review of the Applications of Machine Learning in Asphalt Pavement Engineeringمروری بر کاربرد یادگیری ماشین در مهندسی روسازیهای آسفالتی18391872598410.22060/ceej.2026.23492.8175FAمحمد مهدیداداییدانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، ایرانمحمد صالحانتظاریدانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، ایرانرشیدتن زادهدانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، ایران0000-0002-7918-6172فریدونمقدس نژاددانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، ایران0000-0003-3830-4555Journal Article20240904Incorporating deficient design and construction methods in the pavement industry, exacerbated by unoptimized maintenance plans, has led to unprecedented economic and social costs. Therefore, novel technologies and up-to-date science are urgently needed. Artificial Intelligence (AI), one such technology, is used to develop machines and algorithms that mimic the human brain. AI has proven cost- and time-effective in enhancing asphalt pavement design, material production, construction, and maintenance management, compared to traditional solutions. This article delves into the applications of Machine Learning (ML), a subset of AI, in pavement engineering by reviewing 150 related scientific articles. The results show ML has been employed in seven research areas: design optimization (11% of studies), asphalt performance prediction (8%), prediction of asphalt mixture characteristics (33%), detection of surface defects (19%), classification of surface defects (2%), prediction of pavement functional indices (21%), and maintenance plans optimization (6%). Statistical analyses on publication frequency, algorithms used, and input features for predicting performance were presented to outline trends, research gaps, and achievements. It is concluded that ML is an indispensable tool for improving, optimizing, and conducting critical processes in pavement design, material production, construction, and management. Consequently, further research into ML applications in pavement engineering is necessary. This will facilitate the development of cutting-edge technologies like Digital Twins (DTs) for the industry.نواقص روشهای طراحی و اجرای روسازی راهها در کنار برنامههای غیربهینة ترمیمونگهداری آنها، هزینه های جبرانناپذیر اقتصادی و اجتماعی را به همراه داشته است. در این راستا استفاده از دانش و فنآوریهای جدید در مهندسی روسازی اجتنابناپذیر است. هوش مصنوعی، فنآوری نوینی است که برای توسعة ماشینها و الگوریتمهایی که همانند هوش انسان عمل میکنند استفاده میشود. هوش مصنوعی، قابلیت های منحصربهفردی در بهبود فرآیندهای طراحی، اجرا، ترمیم و نگهداری روسازی ارائه دادهاست که نیازمند زمان و هزینه بسیار کمتری نسبت به روشهای سنتی هستند. در این تحقیق با بررسی 150 مقاله علمی معتبر، کاربرد هوش مصنوعی در دستة یادگیری ماشین در مهندسی روسازی مورد بررسی قرار گرفتهاست. تحلیل پژوهشهای موجود نشان داد الگوریتمهای یادگیری ماشین در 7 حوزة پژوهشی از مهندسی روسازی استفاده شدهاند: بهینهسازی طراحی (11% از مطالعات)، پیشبینی عملکرد قیر (8%)، پیشبینی خصوصیات مخلوط آسفالتی (33%)، تشخیص خرابیهای سطح (19%)، طبقهبندی خرابیهای سطح (2%)، پیشبینی شاخصهای عملکردی رویه (21%) و بهینهسازی برنامة عملیات ترمیمونگهداری (6%). همچنین با هدف شناسایی روندهای موجود در ادبیات موضوع و نیز احصاء دستاوردهای محققین، تحلیلهای آماری از فراوانی پژوهشهای منتشرشده در سالهای مختلف، الگوریتمهای استفادهشده در مدلسازی و متغیرهای واردشده جهت پیشبینی عملکرد مخلوط یا روسازی آسفالتی ارائه گردید. این مطالعه نشان داد یادگیری ماشین ابزاری ضروری و جداییناپذیر جهت اجرا، بهبود و بهینهسازی فرآیندهای مختلف طراحی، ساخت، نگهداری و مدیریت روسازی است. لذا گسترش تحلیلهای مبتنی بر هوش مصنوعی و ارزیابی کاربردهای آن در حوزة مهندسی روسازی ضرورت داشته و پیشنیاز شکلگرفتن فنآوریهای لب دانشی از جمله دوقلوهای دیجیتال روسازی است.https://ceej.aut.ac.ir/article_5984_7f2cba89a7116c7c6b0a769572d5fad9.pdf