عاطفه غلام زاده چیتگر - دانشجو کارشناسی ارشد مهندسی و مدیریت ساخت، موسسه آموزش عالی طبری بابل
جواد برنجیان - استادیار و رئیس موسسه آموزش عالی طبری بابل
نوید رضا فروهر - کارشناسی ارشد مهندسی و مدیریت ساخت، موسسه آموزش عالی طبری بابل

در این مقاله سنجیدن میزان دقت شبکه ی عصبی مصنوعی در پیش بینی خواص بتن به عنوان ابزاری که با صرف زمان و هزینه ی کم قادر به پیش بینی مدول الاستیسیته بتن خودتراکم است و همچنین تاثیر تعداد پارامترهای اثرگذار بر مشخصه ی موردنظر که به عنوان ورودی وارد شبکه می شوند بر میزان دقت شبکه، هدف می باشد. ازین ر و یکبار تعداد 8 پارامتر تاثیرگذار و بار دیگر جهت نزدیک شدن هرچه بیشتر شرایط پیشبینی به واقعیت 140 پارامتر به عنوان ورودی وارد شبکه تابع بنیادی شعاعی شدند که در میان مقالات داخلی و خارجی ارائه شده در زمینه ی پیش بینی خواص بتن، این تعداد منحصر بفرد میباشد. طبق نتایج حاصله، در حالت آزمایش، دقت شبکه با 140 و 8 پارامتر ورودی به ترتیب 0/99 و 0/95 برای مدول الاستیسیته بتن خودتراکم به دست آمد، همچنین مشخص شد که در پیش بینی مدول الاستیسیته، شبکه با تعداد 140 پارامتر به میزان 95/74 درصد بهبود در خطای تست نسبت به شبکه با 8 ورودی دارد. این نتیجه میزان اثرگذاری تعداد پارامترهای موثر را بر مقدار خطای شبکه در پیش بینی مشخصه ی موردنظر نشان میدهد.

بتن خود تراکم ، پیش بینی ، مدول الاستیسیته ، شبکه ی تابع بنیادی شعاعی (RBF) ، تعداد ورودی