تعیین طرح اختلاط بهینه بتن خودتراکم با استفاده از الگوریتم هیبریدی شبکه عصبی مصنوعی – بهینه سازی ازدحام ذرات ANN-PSO

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 349

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SEE-9-2_008

تاریخ نمایه سازی: 12 خرداد 1403

چکیده مقاله:

در این مقاله یک الگوریتم هیبریدی جدید بر اساس ترکیب روش شبکه عصبی مصنوعی پیشخور و روش بهینه سازی ازدحام ذرات (ANN-PSO) برای تخمین مقادیر مصالح مورد استفاده در طرح اختلاط بتن خودتراکم که یک مقدار مشخص از مقاومت فشاری ۲۸ روزه را دارا باشد، ارائه داده می شود. مصالح مورد استفاده در بتن خودتراکم شامل آب، سیمان، شن، ماسه، پودر سنگ، فوق روان کننده و میکروسیلیس است. شبکه عصبی مورد استفاده در این الگوریتم، شبکه عصبی پیشخور دو لایه است. در این الگوریتم، روش بهینه ساز ازدحام ذرات وظیفه تعریف جمعیت های اولیه (طرح های اختلاط اولیه) و تعیین بهترین جمعیت و بهینه کردن آن با تکرار بعهده دارد و وظیفه شبکه عصبی مصنوعی پیش بینی مقدار مقاومت فشاری بتن با توجه به جمعیت بهینه شده در هرتکرار با روش بهینه ساز ازدحام ذرات می باشد. در این تحقیق از ۵۶ طرح اختلاط بتن خودتراکم استفاده شده است. بعد از آموزش الگوریتم با طرح های اختلاط بتن خودتراکم و نیز مقادیر مقاومت فشاری ۲۸ روزه متناظر با آنها، مقدار مقاومت فشاری ۲۸ روزه یکی از طرح های اختلاط را بعنوان ورودی به الگوریتم معرفی شد. الگوریتم با دقت قابل قبولی مقادیر مصالح بتن خودتراکم متناظر با این مقاومت فشاری را پیش بینی نمود، بطوریکه خطای بین مقاومت فشاری پیش بینی شده برای مصالح تخمین زده شده و مقاومت فشاری اولیه ۰۲/۰ مگاپاسکال است. با توجه به نتایج بدست آمده می توان گفت که الگوریتم پیشنهادی ANN-PSO ابزاری قدرتمند برای تخمین مقادیر طرح اختلاط بتن خودتراکم برای یک مقدار مشخص از مقاومت فشاری ۲۸ روزه است.

کلیدواژه ها:

نویسندگان

نوید دیلمی معزی

نویسنده مسئول

حسین رزاقی

نویسنده دوم