لادن صمدی - دانشجو مقطع کارشناسی مهندسی کامپیوتر دانشگاه ازاد اسلامی دپارتمان مهندسی دانشکده مهندسی کامپیوتر
امیر شیخ احمدی - استادیار دانشکده مهندسی کامپیوتر دانشگاه آزاد اسلامی دپارتمان مهندسی دانشکده مهندسی کامپیوتر

استفاده از بتن غلتکی در صنعت عمران، ساخت سدها وروسازی راه ها از اهمیت ویژه ای برخوردار است. بتن غلتکی به موجب مزیت هایی همچون در دسترس بودن مصالح وعملکرد مناسب در نواحی بادماهای مختلف در پروژه های گوناگون استفاده روزافزون دارد. از مهم ترین ویژگی های مکانیکی بتن غلتکی می توان به مقاومت فشاری آن اشاره کرد که نقش مهمی در بهبودعملکرد بتن دارد. برآورد صحیح مقاومت فشاری بتن، جهت انجام پروژه های عمرانی و بهبود عملکرد ساخت و ساز امری ضروری است. به ویژه اگر شرایط دمایی، فیزیکی و مکانیکی حاکم بر محیط تاثیر منفی بر مقاومت بتن داشته باشد، ضرورت برآورد این پارامتر دوچندان می شود. دراین مطالعه با استفاده از روش های شبکه عصبی مصنوعی پرسپترون چندلایه ANN-MLP و ماشین بردار پشتیبان SVM با داده های واقعی اندازه گیری شده توسط توابع خطا در یادگیری ماشین، موید دقت و صحت دقابل قبول نتایج حاصل از مدل می باشد مقادیر تابع جذر خطای جذر میانگین مربعات Rrmse برای مقاومت فشاری بتن در مرحله آموزش و صحت سنجی مدل ماشین بردار پشتسبان به ترتیب ۰.۰۱ و ۰.۰۲ محاسبه گردیدند. همچنین مقادیر تابع میانگین قدر مطلق تفاضل MAE براساس داده های آموزش و آزمایش درمدل شبکه عصبی پرسپتورن چند لایه به ترتیب ۰.۰۰۱۵ و ۰.۰۰۲ برآورد شدند.

شبکه عصبی مصنوعی، یادگیری ماشین، بتن ، مقاومت فشاری ۲۸ روزه