پیش بینی دوام بتن حاوی خاکستر زغال سنگ با استفاده از شبکه عصبی مصنوعی

در متن دوام از اصلی ترین مشخصه های بتن است که اتفاقا در کوتاه مدت نمی توان آنرا رصد نمود و پس از گذشت سال ها از بهربرداری در صورت وجود اشکال، خود را نمایان می کند و به نوعی طول عمر بتن به این پارامتر وابستگی شدیدی دارد. در بحث دوام دو موضوع حاوی اهمیت فوق العاده ای است اولی کاهش میزان مصرف آب در بتن و دوم استفاده مناسب از پر کننده ها یا فیلرهایی که نقش پوزولانی نیز دارند. موادی مانند خاکستر بادی، سرباره کوره آهن گدازی ، پودر سنگ آهک، سرباره مس که قبلا به صورت مفصل مورد مطالعه پژوهشگران قرار گرفته است. اما در این تحقیق این دو نکته را با جایگزینی خاکستر پساب زغال سنگ که حاوی مقدار مناسبی سیلیس و آلومینیم است، به جای سیمان در درصد های جایگزینی 5 و 10 و 15 و 20 (به روش آزمایشگاهی) مورد مطالعه قرار گرفت. هدف از این تحقیق بررسی میزان نفوذ کلر با استفاده از آزمایش نفود تسریع شده یون کلر در نمونه های استوانه ای 28 روزه می باشد. پس از انجام آزمایشات مشخص گردید مخلوط حاوی 5 درصد پساب زغال سنگ دارای کمترین میزان نفوذ کلراید در مقایسه با سایر مخلوط ها بوده است. اما با توجه به بالا بودن هزینه های انجام آزمایش بر آن شدیم تا با استفاده از هوش مصنوعی (مشخصا شبکه عصبی) شبکه ای را آموزش دهیم تا به جای جایگزینی با نرخ 5 درصد (یعنی هر بار 20 کیلوگرم زغال سنگ) جایگزینی را با نرخ 1.25 درصد (یعنی هر بار 5 کیلوگرم زغال سنگ) انجام و میزان نفوذ یون کلر در نمونه ها را پیشبینی کند. تا از این طریق بهترین ترکیب شناسایی شود. پیش بینی توسط شبکه عصبی برای درصد های متنوعی از جایگزینی زغال سنگ انجام شد و نتایج نشان داد که بهینه ترین ترکیب مربوط به 6.25 درصد جایگزینی زغال سنگ با نسبت آب به سیمان 0.31 میباشد.

کلیدواژه ها:

دوام ، خاکستر زغال سنگ ، شبکه عصبی ، نفوذ کلراید