پیش بینی مدول برجهندگی مصالح اساس تثبیت شده با استفاده از شبکه عصبی GRNN

یکی از مهمترین پارامترهای ورودی برای طراحی روسازی با استفاده از روش مکانیستیک تجربی، مدول برجهندگی مصالح مختلف روسازی است. هدف این مقاله ارایه یک مدل بر پایه روش شبکه عصبی رگرسیون عمومی GRNN به منظور پیش بینی مدول برجهندگی مصالح اساس تثبیت شده با سیمان تحت اثر سیکل های تر و خشک شدن است. برای این منظور از یک پایگاه داده آزمایشگاهی متشکل از 704 رکورد استفاده شد. در این تحقیق پارامترهای ورودی برای شبکه عصبی شامل تعداد سیکل های تر و خشک شدن، نسبت آهک آزاد به SFA نسبت دانسیته خشک حداکثر به درصد رطوبت بهینه و سطح تنش در نظر گرفته شدند. نتایج این تحقیق نشان می دهد که ضریب رگرسیون (R2) حاصل از مدلسازی برای داده های آموزش و آزمون به ترتیب برابر با 0/94 و 0/89 است. همچنین ضریب رگرسیون برای کل داده ها برابر با 0/93 است. بنابراین از مدل ارایه شده می توان با دقت بالا برای پیش بینی مدول برجهندگی مصالح اساس تثبیت شده تحت اثر سیکل های تر و خشک شدن استفاده نمود.

کلیدواژه ها:

مدول برجهندگی ، اساس تثبیت شده ، سیکل های ذوب و یخبندان ، شبکه عصبی GRNN