بهبود مدل منفرد برآورد مقاومت بتن حاوی افزودنی در مقابل نفوذ کلر با استفاده از ترکیب ورودی ها و خروجی چند شبکه عصبی

در روش های ترکیبی خروجی، پند مدل پیش بینی با یک روش یا چند روش مختلف ساخته می شوند و خروجی آنها به عنوان ورودی های یک مدل نهایی درنظر گرفته می شود؛ که مدل نهایی باید عملکرد بهتری نسبت به مدل های با ورودی های تأثیرگذار بر خروجی داشته باشد. در این مقاله، سعی بر این بوده است که بررسی شود اگر بیشتر از یک شبکه عصبی ساخته شود که ورودی های اولین شبکه صرفاً عوامل تأثیرگذار بر خروجی و ورودی های شبکه های بعدی علاوه بر ورودی های مذکور، خروجی شبکه قبل از شبکه جدیدی که قرار است ساخته شود (خروجی آخرین شبکه ساخته شده) نیز باشد، نتایج شبکه های بعدی بهتر خواهد شد یا خیر؟ بدین منظور با درنظر گرفتن عوامل تأثیرگذار بر مقاومت 42 روزه بتن در برابر ورود کلر به عنوان ورودی مدل اول، از اطلاعات 36 نمونه بتن و از شبکه عصبی برای تخمین مقاومت 42 روزه بتن در مقابل نفوذ کلر استفاده شده است. سپس خروجی پیش بینی شده مدل اول به عنوان یک ورودی همراه با ورودی های تأثیرگذار بر خروجی به مدل دوم اضافه شده است. با مقایسه نتایج می توان نتیجه گرفت که مدل دوم به طور کاملاً محسوسی دارای خطای کمتر و ضریب همبستگی بیشتری در پیش بینی نسبت به مدل اول بوده است.

کلیدواژه ها:

بتن سازه ای ، کلر ، روش ترکیب خروجی ها ، روش ترکیب ورودی ها و خروجی ها ، شبکه های عصبی