طراحی و بهینه سازی رئولوژی بتن خودتراکم (SCC) با استفاده از هوش مصنوعی و الگوریتم های فراابتکاری در زیرساخت های شهری

ویژگی های رئولوژیکی بتن خودتراکم، از جمله تنش تسلیم، ویسکوزیته پلاستیک و پایداری، مستقیما بر عملکرد آن در شرایط اجرایی تاثیرگذار است. تعیین دقیق این مشخصات، به ویژه در پروژه های زیرساختی شهری که با محدودیت های اجرایی متعدد همراه هستند، اهمیت دوچندانی دارد. با توجه به پیچیدگی رفتار SCC و اثرگذاری متغیرهای متعدد بر خواص آن، بهره گیری از روش های سنتی بهینه سازی مخلوط های بتنی به دلیل هزینه های بالا و زمان بر بودن فرآیند، محدودیت های قابل توجهی دارد. از این رو، رویکردهای مبتنی بر هوش مصنوعی و الگوریتم های فراابتکاری، به عنوان ابزاری کارآمد در مدل سازی و بهینه سازی رفتار رئولوژیکی SCC مطرح شده اند. هدف این پژوهش، بررسی و تحلیل نقش الگوریتم های هوش مصنوعی و بهینه سازی فراابتکاری در طراحی و بهبود خواص رئولوژیکی SCC در زیرساخت های شهری است. روش تحقیق مبتنی بر مطالعات کتابخانه ای و مرور منابع علمی معتبر بوده و تمرکز آن بر تحلیل رویکردهای محاسباتی در پیش بینی و کنترل رفتار رئولوژیکی SCC است. در این راستا، کاربرد روش های داده محور نظیر شبکه های عصبی مصنوعی، یادگیری عمیق، سیستم های فازی و الگوریتم های تکاملی همچون الگوریتم ژنتیک (GA) و بهینه سازی ازدحام ذرات (PSO) مورد بررسی قرار گرفته است. نتایج نشان می دهد که استفاده از مدل های مبتنی بر هوش مصنوعی، دقت پیش بینی خواص رئولوژیکی SCC را به طور قابل ملاحظه ای افزایش داده و امکان کنترل بهینه نسبت های اختلاط را فراهم می سازد. علاوه بر این، الگوریتم های فراابتکاری، امکان استخراج ترکیب های بهینه را با کمترین هزینه و حداکثر کارایی میسر می کنند. این روش ها نه تنها موجب بهبود کیفیت اجرایی بتن در زیرساخت های شهری می شوند، بلکه از منظر زیست محیطی و اقتصادی نیز کاهش مصرف مصالح و انرژی را به همراه دارند. بنابراین، توسعه مدل های ترکیبی داده محور و فراابتکاری می تواند به عنوان یک راه کار کارآمد در بهینه سازی طراحی و اجرای SCC در پروژه های عمرانی شهری مورد توجه قرار گیرد.

کلیدواژه ها:

الگوریتم های فراابتکاری ، بتن خودتراکم ، بهینه سازی ، هوش مصنوعی