پیش بینی اسلامپ بتن با استفاده از مدل شبکه عصبی مصنوعی و روش رگرسیون چندمتغیره خطی

روش های مختلفی جهت اندازه گیری کارایی بتن وجود دارد که یکی از متداول ترین و معمول ترین روش ها، آزمایش اسلامپ است. جهت دست یابی به مخلوط های بتنی با اسلامپ مورد نظر، باید مخلوط های مختلف بتنی ساخته شود و آزمایش اسلامپ بر روی آن ها صورت گیرد. جهت صرفه جویی در زمان، هزینه و مصالح بهتر است از روش های هوشمندی جهت پیش بینی اسلامپ بتن بر اساس نتایج مربوط به تعداد معینی از مخلوط های بتنی استفاده شود. در پژوهش حاضر روش رگرسیون چندمتغیره خطی (MLR) و مدل شبکه عصبی مصنوعی (ANN) به عنوان یکی از الگوریتم های محاسبات نرم جهت پیش بینی اسلامپ بتن مورد ارزیابی قرار گرفته و نتایج از لحاظ کاربردی بودن، دقت و کارایی مقایسه می شوند. مدل شبکه عصبی مورد استفاده در این مقاله از نوع پرسپترون چند لایه پیشخور با الگوریتم یادگیری پس انتشار است. نتایج نشان می دهد که مقادیر پیش بینی شده اسلامپ بتن توسط هر دو مدل مطلوب و قابل قبول می باشند. ضریب همبستگی، میانگین مربعات خطا و میانگین خطای مطلق در روش شبکه عصبی مصنوعی به ترتیب برابر با ۹۸۵۳/۰ ، ۴۸۵/۰ و ۵۴۷/۰ تعیین گردید، که این مقادیر در روش رگرسیون چندمتغیره خطی به ترتیب برابر با ۸۶۸۱/۰ ، ۹۶۹۶/۱ و ۰۰۷۷/۱می باشند. نتایج تحقیق نشان می دهد که در پیش بینی اسلامپ بتن به روش شبکه عصبی مصنوعی، مدل با یادگیری رابطه واقعی بین متغیرها اقدام به پیش بینی متغیر خروجی می نماید. لذا این مدل نسبت به روش رگرسیون چندمتغیره خطی دارای دقت بیش تری در پیش بینی اسلامپ بتن می باشد.

کلیدواژه ها:

پیش بینی اسلامپ بتن ، محاسبات نرم ، شبکه عصبی مصنوعی(ANN) ، رگرسیون چندمتغیره خطی (MLR)