مقایسه عملکرد روش برنامه ریزی زنبور عسل مصنوعی با روش شبکه عصبی مصنوعی در پیش بینی مقاومت فشاری بتن خودمتراکم حاوی پوزولان خاکستر پوسته برنج

با پیشرفت روزافزون علم و علاقه محققین بر استفاده از روشهای هوش مصنوعی مانند نرم افزار متلب و ارائه مدلهایی جهت پیش بینی پارامترهای مختلف مصالح ساخت با کمک الگوریتمهای برنامه ریزی سبب شده تا توجه ویژه ای به مبحث محاسبات نرم شود در این میان با توجه به پتانسیل بالای کشور عزیزمان ایران در بخش برنج و تولید سالانه حدود 2.5 میلیون تن برنج و به دنبال آن پوسته برنج، منبع بسیار غنی و ارزانی جهت کاهش استفاده از سیمان و به دنبال آن کاهش الودگی های نشان از تولید سیمان و تولید بتن با مقاومت و کیفیت بالاتر است در این پژوهش با کمک مقاومت فشاری بتن خود متراکم با خاکستر پوسته برنج سعی در مقایسه دو روش ABCP,ANN شدهاست. در این تحقیق از سیمان، آب، ریزدانه، درشت دانه، خاکستر پوسته برنج، افزودنی های کاهنده آب و سن بتن به عنوان ورودیهای این مدل استفاده شده و مقاومت فشاری به عنوان پارامتر خروجی تعریف شدهاست ابتدا با کمک مدل رگرسیون خطی عمل شبیه سازی انجام شده و بعد از آن به کمک روش برنامه ریزی کلونی زنبور عسل مصنوعی شبیه سازی انجام شدهاست که با توجه به مقادیر مقاومت فشاری پیش بینی شده به مقایسه عملکرد این دو روش پرداخته شده است مقادیر مقاومت فشاری پش بینی شده به کمک روش برنامه ریزی کلونی زنبور عسل مصنوعی ازدقت بالاتری نسبت به روش شبکه عصبی مصنوعی برخوردار است.

کلیدواژه ها:

بتن خود متراکم ، خاکستر پوسته برنج ، پیش بینی مقاومت فشاری ، پوزولان ، محاسبات نرم ، هوش مصنوعی ، الگوریتم زنبور عسل مصنوی ، شبکه عصبی مصنوعی