استفاده از مدل های شبکه عصبی مصنوعی (ANN)، ماشین یادگیری سریع (ELM) و الگوریتم ازدحام ذرات (PSO) در پیش بینی اثر نانوسیلیس بر مقاومت کششی و فشاری بتن سبک

بتن یکی از پرکاربردترین مصالح ساختمانی است که پتانسیل انتشار مقدار قابل توجهی گاز CO۲ در محیط را دارد. در ساخت بتن سبک سعی شده از مصالحی استفاده شود که سازگار با محیط زیست باشند. بتن های سبک به دلیل وزن مخصوص پایین ترشان نسبت به سایر بتن ها، مقاومت کمتری دارند. لذا رسیدن به مقاومت بالاتر با استفاده از نانوسیلیس به جای بخشی از سیمان میسر می شود. در این پژوهش، از مدل های شبکه عصبی مصنوعی (ANN) و ماشین یادگیری سریع (ELM) برای پیش بینی تاثیر نانو سیلیس بر خواص مکانیکی بتن سبک، شامل مقاومت فشاری و کششی استفاده شده است. جهت بهبود دقت این مدل، از الگوریتم ازدحام ذرات (PSO) استفاده می گردد. نتایج نشان می دهد استفاده از نانو سیلیس باعث بهبود خواص مکانیکی بتن می شود. همچنین مدل تلفیقی ELM-PSO عملکرد بهتری در مقایسه با مدل ELM و ANN دارد، به نحوی که این مدل دارای ضریب همبستگی ۹۷۱۳/۰ در مرحله آموزش و ۹۶۴۰/۰ در مرحله آزمایش است. همچنین تلفیق الگوریتم PSO با مدل ELM باعث بهبود دقت آن به اندازه ۶۸/۱ درصد می شود.

کلیدواژه ها:

نانوسیلیس ، بتن سبک ، شبکه عصبی مصنوعی ، ماشین یادگیری سریع ، الگوریتم ازدحام ذرات.