پیش بینی مشخصات سخت شده بتن خودتراکم الیافی به کمک شبکه های عصبی مصنوعی
چکیده
امروزه روشهای هوشمند و الهام گرفته از طبعیت در حل مسائل پیچیده طرفداران زیادی دارد یکی از پرطرفدارترین و کاراترین این ساختارها، شبکههای عصبی مصنوعی هستند که قادرند یک رابطه کلی بین اطلاعات حجیم و پیچیده ناشی از آزمایشها و مثالهای تجربی به دست آورند. از طرف دیگر، ترکیب بتن الیافی با بتن خودتراکم، یک نوع بتن جدید با سیالیت بالا و چسبندگی خوب تولید میکند. این نوع بتن به علت حضور الیاف دارای مزایای فراوانی همچون، مقاومت بالا در برابر ضربه، خستگی، فرسایش و همچنین افزایش مقاومت کششی و خمشی و کاهش جدا شدگی میباشد. در این تحقیق با در نظر گرفتن اجزای طرح اختلاط بتن به عنوان ورودی شبکه ها و مدل سازی دو نوع شبکه عصبی، یکی تابع بنیادی شعاعی و دیگری شبکه عصبی بازگشتی نارکس برای پیشبینی مشخصات سخت شده بتن استفاده شد. برای آموزش هر چه بهتر شبکه ها، 40 طرح اختلاط بتن خودتراکم الیافی، توسط سه نوع الیاف فولادی، شیشه و پلی پروپیلن ساخته شد. مقایسه نتایج آزمایشات و خروجی شبکه، بیانگرآن است که هر دو شبکه از دقت کافی در تخمین مشخصات سخت شده بتن خودتراکم برخوردار میباشند و شبکه عصبی بازگشتی نارکس دارای خطای کمتری نسبت به شبکه عصبی تابع بنیادی شعاعی میباشد.
نویسندگان و وابستگی سازمانی
- جواد برنجیان — مؤسسه آموزش عالی طبری بابل
- نویدرضا فروهر — مؤسسه آموزش عالی طبری بابل
- محسن قاسمی — مؤسسه آموزش عالی طبری بابل