کاربرد شبکه عصبی مصنوعی جامع در پیش بینی مقاومت فشاری بتن های حاوی سنگ دانه های با خواص شیمیایی مختلف

امروزه بتن به عنوان یکی از پرمصرف ترین ماده ها در صنعت ساخت وساز شناخته میشود. با توجه به اهمیت این ماده در مهندسی عمران، شناخت خصوصیات مکانیکی آن ازجمله مقاومت فشاری که منجر به تولید بتنی با استحکام و دوام بالا شود از اهمیت بالایی برخوردار است عمومامقاومت فشاری بتن توسط تستهای آزمایشگاهی روی نمونه های استوانه ای انجام می پذیرد. به منظور صرفه جویی در زمان، هزینه و مصالح، بهتر است از روشهای هوشمندی برای پیشبینی مقاومت فشاری بتن استفاده شود که نیاز به تستهای آزمایشگاهی را کاهش دهد. شبکه عصبی ابزاری قدرتمند برای پیشبینی رفتار مواد ازجمله شاخصه های مکانیکی بتن است. با استفاده از شبکه عصبی میتوان مقاومت فشاری بتن را با تقریب خوبی پیشبینی کرد. در پژوهش حاضر با آموزش ۴ شبکه عصبی مصنوعی جامع، مقاومت فشاری ۱، ۷، ۱۴ و ۲۸ روزه بتن حاوی ماسه معمولی، ماسه سیلیسی، ماسهبادی و ماسه کربنات کلسیم (ماسه آهکی) پیش بینی شده است. برای این منظور از مجموعه داده های آزمایشگاهی روی ۲۸ نمونه بتن حاوی سنگدانه های مذکور استفاده شد. با آموزش ۴ شبکه عصبی دولایه که هرکدام دارای ۹ پارامتر ورودی شامل نسبت ماسه به سیمان، نسبت آب به سیمان و گرم عبوری از الک های شماره ۴، ۸، ۱۶، ۳۰، ۵۰، ۱۰۰ و ۲۰۰ بودند مقاومت فشاری ۱، ۷، ۱۴ و ۲۸ روزه بتن با تقریب خوبی تخمین زده شد. درنهایت دقت و کارایی شبکه های عصبی با استفاده از شاخصه های آماری مانند میانگین مربعات خطا (MSE)، جذر میانگین مربعات خطا (RMSE) ، ضریب همبستگی R و انحراف معیار استاندارد مشخص شد. نتایج نشان داد که شبکه های عصبی با خطای کمتر از %۲ قادر به پیشبینی مقاومت فشاری ۱، ۷، ۱۴ و ۲۸ روزه بتن هستند.

کلیدواژه ها:

بتن ، مقاومت فشاری ، شبکه عصبی ، میانگین مربعات خطا ، جذر میانگین مربعات خطا ، ضریب همبستگی