بررسی روش مونت کارلو جهت ارزیابی عدم اطمینان در آزمایشات مقاومت فشاری بتن

بتن از پرکاربردترین مصالح ساختمانی است.یکی از ویژگی های اصلی آن را میتوان ارزان بودن و در دسترس بودن مواد اولیه آن دانست. بتن که میزان تولید آن بالغ بر 3/8 بیلیون مترمکعب در سال تخمین زده می شود، به علت دارا بودن خواص و ویژگیهای ممتاز و نیز در دسترس بودن مصالح آن، پس از آب، پرمصرف ترین ماده روی زمین به شمار می رود.جهت بررسی خواص فیزیکی و مکانیکی بتن علاوه بر روش های آزمایشگاهی می توان از روشهای متنوعی دیگری همچون شبکه های عصبی استفاده نمود. شبکه های عصبی مصنوعی به عنوان یک ابزار مدل سازی جهت بررسی ویژگی های فیزیکی و مکانیکی مواد متنوعی بسیاری همچون بتن بسیار پرکاربرد می باشد. این مهم با پیشرفتهای بسیاری در سال های اخیر همراه بوده است که می توان یکی از دلایل آن را افزایش دقت محاسبات بوسیله رایانه های پیشرفته امروزی دانست.این روش در بسیاری از زمینه های علوم مختلف مورد استفاده قرار می گیرد و اثربخشی آن به اندازه کافی اثبات شده است. با این حال، نتایج ارائه شده توسط این روش ها دارای مقادیری عدم اطمینان است، نکته ایی که بسیار حائز اهمیت است این است که نتایج بدست آمده با استفاده از روش های شبکه های عصبی می بایست با عدم قطعیت آن مقایسه گردد. مدل سازی با شبکه های عصبی مصنوعی می تواند مقادیر خروجی را که تقریبا نزدیک به مقادیر تجربی حاصل شده در آزمایشگاه است، ارائه کند، اما نمی تواند ارزیابی عدم قطعیت مربوط به مقدار خروجی را ارائه نماید. روش های پذیرفته شده بین المللی برای به دست آوردن عدم قطعیت نتیجه آزمون وجود دارد، با این حال، این تکنیک ها به طور کامل برای موارد بیش از حد پیچیده مانند یک شبکه عصبی مصنوعی مناسب نیست. در این موارد، استفاده از روش های شبیه سازی تصادفی مانند روش مونت کارلو مناسب تر است. در این مقاله، یک شبکه عصبی مصنوعی برای به دست آوردن مقاومت فشاری بتن، به منظور دستیابی به عدم قطعیت با شبیه سازی مونت کارلو، بررسی شده است.

کلیدواژه ها:

پرسپترون چند لایه ، شبکه عصبی مصنوعی ، مونت کارلو ، مقاومت فشاری بتن ، قابلیت اطمینان