بررسی مقاومت فشاری بتن با استفاده از هوش مصنوعی

به دلیل ویژگی هایی همانند پایداری، مقاومت، تنوع کاربرد و هزینه کم استفاده از بتن در سالیان اخیر بسیار فراگیر بوده است. سنجش و محاسبه دقیق خصوصیات مکانیکی مخلوط بتن نقش بسیار مهمی در تضمین کیفیت بتن خواهد داشت. از جمله خصوصیات مکانیکی بسیار مهم در سنجش کیفیت بتن می توان به مقاومت فشاری ارائه نمود. چنانچه خصوصیت مکانیکی مقاومت فشاری بتن با دقت مناسبی محاسبه نشود می تواندخسارات جبران ناپذیر بسیاری را به سازه های در حال ساخت تحمیل نماید. در این پژوهش اقدام به طراحی، توسعه، تحلیل و مقایسه میزان دقتانواع مختلف شبکه های عصبی شامل نزول گرادیان با یادگیری تطبیقی، لونبرگ مارکوارت، تک مرحله ای پس انتشار پس انتشار شبه نیوتنی، پسانتشار ارتجاعی و گرادیان مزدوج مقیاس شده برای سنجش مقاومت فشاری بتن نموده ایم. جهت آموزش و اعتبارسنجی این شبکه های عصبی ازنرم افزار متلب و ۱۰۳۰ نمونه از مجموعه داده های معتبر C oncrete Compressive S trength مخزن یادگیری UCI استفاده شده است. پارامترهایموثر در بررسی مقاومت فشاری بتن در این پژوهش شامل سیمان، سرباره کوره بلند، خاکستر بادی، آب، فوق روان کننده. سنگ دانه درشت، سنگدانه ریز و سن بتن بوده است. جهت ارزیابی میزان دقت و کارایی سنجش مقاومت فشاری بتن توسط شبکه های عصبی مورد مقایسه پژوهش ازمعیارهای ضریب تعیین ((R(۲)، خطای میانگین مربعات (MSE) و میانگین خطای مطلق (MAE) استفاده شده است. مطابق با نتایج ارزیابی پژوهششبکه عصبی لونبرگ مارکوارت با مقدار ۰/۹۹ برای ضریب تعیین . مقدار ۱۷/۷۲۸۱ برای میانگین خطای مربعات و مقدار ۲/۲۸۶۹ میانگین خطایمطلق، نسبت به دیگر شبکه های عصبی مورد مقایسه پژوهش دارای دقت و کارایی بهتری برای سنجش مقاومت فشاری بتن بوده است.

Keywords:

ضریب تعیین , مقاومت فشاری , مخلوط بتن , هوش مصنوعی , شبکه عصبی