ارائه مدل های بهینه شده هوش مصنوعی جهت بررسی رفتار مقاومتی بتن پایدار حاوی ریزدانه های بازیافتی پلی اتیلن ترفتالات

یکی از موارد مصرف مجدد ضایعات بدون داشتن اثرات مخرب زیست محیطی، استفاده در صنعت بتن می باشد .از این رو، بررسی اثرگزاری مولفه های طرح اختلاط در مطالعات آزمایشگاهی و ارائه مدل های محاسباتی جهت ارزیابی خواص مکانیکی بتن رو به گسترش می باشد. از جمله تحقیقات به روز در این مورد، توسعه مدل های رگرسیونی محاسباتی جهت ارزیابی خواص بتن های سازگار با محیط زیست حاوی ریزدانه های پلی اتیلن ترفتالات (پت) بازیافت شده با استفاده از روش های هوش مصنوعی می باشد. مدل های توسعه داده شده می تواند به عنوان جایگزین فرایند آزمایشگاهی در ارائه پیش طرح اختلاط ها و صرفه جویی های اقتصادی و زیست محیطی شود. در این تحقیق، روش-های هوش مصنوعی مارس و ماشین یادگیری سریع با الگوریتم ازدحام ذرات تجمیع شده تا مدل هایی با دقت بالا و جامع برای تخمین خواص بتن ارائه شود. مدل های مبتنی بر روابط محاسباتی جهت تخمین مقادیر خواص بتن سازگار با محیط زیست حاوی پت با استفاده از مدل های هوشمند، توسعه یافته و کیفیت مدل ها در جهت تخمین مشخصه-های بتن و بررسی مولفه های طرح اختلاط این بتن بررسی شد. نتایج مدل های هوشمند نشان داد، استفاده از الگوریتم در روند بهینه یابی ضرایب و وزن های روش های مورد استفاده، عملکرد مد ل های محاسباتی را با دقت قابل توجهی مواجه کرده است. پیش بینی رفتار مقاومتی مدل ها در مدل تلفیقی مارس بهینه شده (% ۵/۳ RSE=۸۳۶/۴ RMSE=،۹۰۲/۰R=) در مقایسه با دیگر مدل ها در این مطالعه دقت قابل توجهی را بیان نموده است. همچنین جهت بررسی مولفه های اثرگزار در مقادیر خواص مقاومتی تحلیل حساسیت انجام و نتایج نشان داد ریزدانه با درصد ۳۰/۲۰ % بیشترین اثرگزاری را در بررسی مولفه های طرح اختلاط دارا بوده است. در نهایت عدم قطعیت مدل ها با استفاده از شبیه سازی مونت کارلو نشان داد مدل تلفیقی مارس با درصد عدم قطعیت ۴۲/۱۴ کمترین میزان عدم قطعیت را در بین مدل های توسعه داده شده کسب نموده است.

کلیدواژه ها:

بتن پایدار ، پلی اتیلن ترفتالات (پت) ، هوش مصنوعی ، روش مارس ، روش یادگیری ماشینی سریع ، الگوریتم مونت کارلو