مدل سازی مقاومت فشاری بتن غلتکی با استفاده از شبکه عصبی مصنوعی، انفیس و ماشین بردار پشتیبان

امروزه از بتن غلتکی در ساخت سد ها و روسازی راه ها استفاده می شود و طی سال های اخیر استفاده از این نوع بتن به علت مزایایی چون کوتاه شدن زمان ساخت، در دسترس بودن مصالح مورد نیاز، عملکرد مناسب در نواحی سرد و عمر مفید طولانی گسترش یافته است. مهم ترین خاصیت مکانیکی بتن غلتکی، مقاومت فشاری می باشد که افزایش آن می تواند عملکرد این نوع بتن را بهبود بخشد. حساسیت بتن غلتکی به اجزای تشکیل دهنده آن سبب مشکلاتی در پیش بینی مقاومت فشاری شده است. پارامترهایی نظیر مقدار سیمان، نسبت آب به مواد سیمانی، مقدار مواد سیمانی جایگزین و نسبت درشت دانه به ریزدانه اثر زیادی بر مقاومت فشاری بتن غلتکی دارند. در دهه های اخیر، مدل سازی به وسیله هوش مصنوعی، جایگاه ویژه ای در علوم فنی و مهندسی پیدا کرده است و پیش بینی رفتار موادی که با پیچیدگی های فراوانی روبه رو بوده، تا حدودی به کمک این روش میسر شده است. در این تحقیق، مجموعه ای از طرح­های اختلاط ساخته شده توسط مولفین و طرح­های اختلاط ساخته شده در مطالعات دیگر جمع آوری گردید. با در نظر گرفتن اجزای طرح اختلاط و سن نمونه ها به عنوان متغیرهای ورودی، مدل های شبکه عصبی مصنوعی، سیستم استنتاج فازی عصبی تطبیقی و ماشین های بردار پشتیبان برای پیش بینی مقاومت فشاری ساخته شدند. مقایسه نتایج نشانگر این است که مدل شبکه عصبی مصنوعی توانایی بیشتری نسبت به مدل های سیستم استنتاج فازی عصبی تطبیقی و ماشین بردار پشتیبان در پیش بینی مقاومت فشاری بتن غلتکی دارد. همچنین، مقاومت های تخمین زده شده توسط شبکه عصبی مصنوعی و ماشین بردار پشتیبان به ترتیب بیشترین و کمترین تطابق را با مقاومت فشاری واقعی دارند. مقدار ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین خطای مطلق شبکه عصبی مصنوعی به ترتیب برابر با ۹۷۱۷/۰، ۴۸۵۹/۲ و ۱۳۹۶/۲ است. این مقادیر برای ماشین بردار پشتیبان به ترتیب برابر ۹۵۶۶/۰، ۴۰۱۳/۳ و ۰۷۳۳/۳  می باشند.

کلیدواژه ها:

روسازی راه ، مدل سازی ، هوش مصنوعی ، سیستم استنتاج فازی عصبی تطبیقی