پیش بینی مقاومت فشاری بتن خودتراکم حاوی خاکستربادی با استفاده از روش اسپلاین رگرسیونی چندمتغیره تطبیقی (مارس)

استفاده از بتن خودتراکم علاوه بر کاهش زمان ساخت، به کاهش هزینه نیز می انجامد، از اینرو استفاده از روش های نوین هوشمند مصنوعی جهت تخمین مقادیر خواص بتن خودتراکم ضروری به نظر می رسد. هدف اصلی در این مقاله، امکان استفاده از روش اسپلاین رگرسیونی چندمتغیره (مارس) برای پیش بینی مقاومت فشاری ۲۸ روزه بتن خودتراکم می باشد. در این مطالعه، ۱۰۹ داده آزمایشگاهی مورد بررسی قرار گرفته است. همچنین برای مقایسه عملکرد روش مارس، داده های مذبور با روش شبکه عصبی مصنوعی نیز بررسی شد. روش مارس در مرحله آموزش مدل(۲۵۰/۴RMSE=) نسبت به شبکه عصبی (۶۲۶/۴RMSE=) عملکرد بهتری را نشان داد. نتایج بدست آمده از شاخص های خطا در مرحله آزمون روش های مارس و شبکه عصبی به ترتیب با (۰۰۷/۳RMSE=) و(۰۴۹/۴ RMSE=) عملکرد مطلوبی در پیش بینی مقاومت فشاری از خود نشان دادند.همچنین تحلیل حساسیت انجام شده در این مطالعه نشان داد سیمان و پودرخاکستربادی بیشترین تاثیر را در توسعه مدل پیشنهادی مارس داشته اند. ارزیابی مدل های پیشنهادی با استفاده از شاخص های آماری خطا سرعت و دقت مدل مارس را در پیش بینی خواص بتن مشخص کرده است.

کلیدواژه ها:

بتن خودتراکم ، مقاومت فشاری ، پودر خاکستر بادی ، مدل مارس ، شبکه عصبی مصنوعی