بهره گیری از مدل RBF و بهینه سازها برای تخمین مقاومت بتن نما با تاکید بر بهینه سازی معماری پایدار

بتن عملکرد بالا (HPC) نمونه ای از بتن با مقاومت فشاری بالا (CS) است. مسئله مقاومت فشاری در بتن برای مهندسان عمران بسیار مهم است و HPC توانسته است این تقاضا را برآورده کند. استفاده از این نوع مدل بتن کارآیی و دوام قابل توجهی دارد. در بتن، به عناصری که شامل آب، سیمان و توده ها هستند، سایر عناصر اضافه می شوند خاکستر بادی و میکروسیلیکا از جمله عناصری هستند که به این بتن اضافه می شوند تا نسبت آب به سیمان را کاهش داده و مقاومت فشاری بتن را افزایش دهند. در این مقاله مدل سازی بتن HPC با استفاده از مدل شبکه عصبی تابع پایه شعاعی (RBFNN) هوش مصنوعی (AI) انجام شد و این مدل از ترکیب دو الگوریتم بهینه ساز یعنی الگوریتم بهینه سازی گرسهاپر (GOA) و الگوریتم شکارچیان دریایی (MPA) بهره برده است. این دو الگوریتم در این مقاله مورد استفاده قرار گرفته اند و دست به یک ابتکار جدید زده اند. ترکیب مدل فوق و الگوریتم ها در ساختار MPA-RBF و GOA-RBF به نتایج مطلوبی منجر شده است. مقادیر حداکثر پارامترهای مدل های ترکیبی MPA-RBF و GOA-RBF به ترتیب ۹۷.۴ و ۹۷ هستند و تفاوت آنها ۰.۴ است که به طور قابل توجهی کم و نزدیک به یکدیگر می باشد. مقادیر OBJ محاسبه شده توسط مدل MPA-RBF و مدل GOA-RBF به ترتیب ۲.۴ و ۲.۶۱ هستند. حداکثر پارامترهای SI ریاضی برای هر مدل به ترتیب ۰.۰۴۰۲ و ۰.۰۴۲۴ هستند که به عنوان خروجی بخش آموزش هر بخش ارائه می شوند. خطاهای محاسبه شده در هر دو مدل هیبرید قابل قبول هستند و از یکدیگر تفاوت قابل توجهی ندارند.

کلیدواژه ها:

بتن نما ، تابع مبنای شعاعی ، الگوریتم بهینه سازی گرسهاپر (GOA) ، الگوریتم شکارچیان دریایی ، مقاومت فشاری ، معماری پایدار