CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

پیش بینی مقدار اسلامپ به عنوان یکی از پارامترهای اصلی کارایی در بتن های با مقاومت بالا به کمک مدلسازی شبکه عصبی مصنوعی

عنوان مقاله: پیش بینی مقدار اسلامپ به عنوان یکی از پارامترهای اصلی کارایی در بتن های با مقاومت بالا به کمک مدلسازی شبکه عصبی مصنوعی
شناسه ملی مقاله: AIHE06_205
منتشر شده در ششمین همایش فرامنطقه ای پیشرفتهای نوین در علوم مهندسی در سال 1392
مشخصات نویسندگان مقاله:

بهمن سبحانی - آموزش و پرورش و دانشگاه فنی و حرفه ای ابن حسام خراسان جنوبی، واحد بین ال
عفت اسماعیل زاده شهری - آموزش و پرورش و دانشگاه فنی و حرفه ای ابن حسام خراسان جنوبی، واحد بین ال

خلاصه مقاله:
در بتن با مقاومت بالا به عنوان یکی از پارامترهای اساسی در تحلیل و طراحی سازه ها می باشد و از آنجا که این پارامتر خود متاثر از پارامترهایی چون کارایی، مصالح موجود در بتن و ... می باشد، لذا کارایی بتن به عنوان یکی از عوامل مهم در دست یابی به بتنی که دارای مقاومت بالا می باشد مطرح است و کارایی بتن به میزان اسلامپ و روانی بتن ساخته شده، بستگی دارد. تکثر پارامترهای تأثیر گذار در خوص بتن و ارتباط عمدتاً غیر خطی پارامترهای تأثیر گذار با خواص بتن و نیز زمان طولانی برای تعیین برخی از خواص بتن از عمده دلایل این امر است. با رشد و توسعه در علم بتن، دستیابی به یک مدل جهت پیش بینی و تخمین اثرات این تغییرات جهت صرفه جویی در انرژی و زمان می تواند اثر بخش باشد. در همین راستا امروزه شبکه های عصبی مصنوعی، به عنوان یک کلید سودمند در زمینه های مختلف مهندسی عمران بکار گرفت. بر همین اساس در این مقاله مدلی از شبکه های عصبی مصنوعی در جهت تخمین اسلامپ برای بتن با مقاومت بالا ارائه گردیده است. متغیرهای طرح اختلاط در این تحقیق: سیمان، خاکستر بادی، نسبت آب به مواد سیمانی، مصالح سنگی ریزدارنه، درشت دانه و فوق روان کننده می باشد. ضمناً جهت ساخت مدل شبکه عصبی از 40 طرح اختلاط با 349 نمونه بتنی استفاده شده است. مدلسازی شبکه عصبی در نرم افزار مطلب (Matlab) انجام گرفته و با بکارگیری مدل م ناسبی از شبکه عصبی مصنوعی، اسلامپ بتن را بدون انجام نتایج آزمایشگاهی تخمین زد. ضمناً بر اساس نتایج بدست آمده از نتایج آموزش و ارزیابی شبکه می توان گفت که این نتایج بسیار نزدیک به نتایج آزمایشگاهی می باشد. حسن اصلی این روش کارایی بالای آن در عمل بوده و با سرعت زیاد می توان طرح اختلاط مناسبی ارائه داد. ضمناً با افزایش داده ها می توان شبکه را اصلاح نمود تا در آینده دقت و حوزه کاربرد آن هم بیشتر شود.

کلمات کلیدی:
شبکه های عصبی مصنوعی، طرح اختلاط، بتن با مفاومت بالا، کارایی، اسلامپ

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/206084/