تاثیر خاکستر باگاس و الیاف پلی پروپیلن بر عملکرد مکانیکی بتن و پیش بینی آن با یادگیری ماشین
محل انتشار: فصلنامه مهندسی عمران فردوسی، دوره: 38، شماره: 3
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 39
فایل این مقاله در 30 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CIVIL-38-3_003
تاریخ نمایه سازی: 21 آبان 1404
چکیده مقاله:
در این پژوهش از الیاف پلی پروپیلن با مقادیر (۰، ۱، ۳ و ۵ درصد) و خاکستر باگاس با مقادیر (۰، ۱۰، ۲۰، ۳۰، ۴۰ و ۵۰ درصد) جایگزین سیمان و از فوق روان کننده به میزان ۵/۲ درصد مواد سیمانی استفاده شد. همچنین مقاومت و دوام بتن حاوی افزودنی های فوق در سنین ۲۸ و ۹۰ روزه مورد بررسی قرار گرفت. همچنین، این پژوهش به بررسی کاربرد مدل های یادگیری ماشین، شامل CatBoost، LightGBM، و یک مدل ترکیبی Ensemble، برای پیش بینی مقاومت فشاری و خمشی بتن مسلح به الیاف و باگاس اختصاص دارد. نتایج به دست آمده نشان داد که در صورت استفاده از الیاف پلی پروپیلن و خاکستر باگاس در بتن به صورت هم زمان، طرح (CP۳B۲۰) یعنی افزودن ۳ درصد الیاف پلی پروپیلن و ۲۰ درصد خاکستر باگاس می تواند بهترین عملکرد را از لحاظ مقاومت فشاری به میزان ۷/۴۱ مگاپاسکال در برابر مقاومت فشاری طرح شاهد به میزان ۳۲ مگاپاسکال، مقاومت خمشی به میزان ۹/۱۴ مگاپاسکال در برابر مقاومت خمشی طرح شاهد به میزان ۵ مگاپاسکال، جذب آب به میزان ۹/۰ درصد در برابر جذب آب طرح شاهد به میزان ۵ درصد و نفوذپذیری به میزان ۳۲۰ کلومب در برابر نفوذپذیری طرح شاهد به میزان ۳۱۴۹ کلومب، در میان طرح های مورد آزمایش داشته باشد. نتایج نشان داد که مدل Ensemble با R² معادل ۰.۸۵-۰.۹۰ برای مقاومت فشاری و ۰.۹۲ برای مقاومت خمشی، و RMSE به ترتیب ۱.۵۰-۲.۰۰ MPa و ۰.۶۵-۱.۱۰ MPa، دقت قابل توجهی ارائه می دهد.
کلیدواژه ها:
نویسندگان
دانیال نصر
استادیار، گروه مهندسی عمران، واحد اصفهان(خوراسگان)، دانشگاه آزاد اسلامی، ایران
رضوان باباگلی
گروه مهندسی عمران، دانشگاه علم و فناوری مازندران، بهشهر، ایران
نادر دهاقین
گروه مهندسی عمران، واحد اصفهان(خوراسگان)، دانشگاه آزاد اسلامی، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :