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

  • سال انتشار: 1403
  • محل انتشار: شانزدهمین کنفرانس ملی بتن و بیست و دومین همایش روز بتن، بزرگداشت استاد احمد حامی
  • کد COI اختصاصی: NCCICI16_010
  • زبان مقاله: فارسی
  • تعداد مشاهده: 189
دانلود فایل این مقاله

نویسندگان

رضا کاظمی

مدیر مجتمع خاتم الانبیاء (ص)

ابوالفضل نوحی

ریاست و مدیر پروژه مجتمع خاتم الانبیاء (ص)

مهدی اصولی

مدیر بازرگانی مجتمع خاتم الانبیاء (ص)

مجتبی حنطه

دکتری سازه، ریاست کمیته مدیریت انرژی (EMS) مجتمع خاتم الانبیاء (ص)

چکیده

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.

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.