محسن فلاحتکار گشتی - دانشجوی مقطع دکتری مهندسی عمران گرایش سازه دانشگاه گیلان
میثم عفتی - استادیار گروه مهندسی عمران دانشکده فنی دانشگاه گیلان
سید حسین قاسم زاده موسوی نژاد - استادیار گروه مهندسی عمران دانشکده فنی دانشگاه گیلان

کارایی بتن از اهمیت بسیار بالایی برخورداراست. روش های مختلفی جهت اندازه گیری کارایی بتن وجود دارد که یکی از متداول ترین و معمول ترین روش های اندازه گیری آن، آزمایش اسلامپ است. جهت دست یابی به مخلوط های بتنی با اسلامپ مورد نظر، باید مخلوط های مختلف بتنی ساخته شود و آزمایش اسلامپ بر روی آنها صورت گیرد. جهت صرفه جویی در زمان، هزینه و مصالح، بهتر است از روشهای هوشمندی جهت پیش بینی اسلامپ بتن بر اساس نتایج مربوط به تعداد معینی از مخلوط های بتنی مورد استفاده شود. در پژوهش حاضر روش رگرسیون چند متغیره خطی و مدل شبکه عصبی مصنوعی جهت پیش بینی اسلامپ بتن مورد ارزیابی قرار گرفته و نتایج از لحاظ دقت و کارایی مقایسه می شوند. شبکه عصبی مورد استفاده در این مقاله از نوع پرسپترون چند لایهMLP پیش خورد با الگوریتم یادگیری پس انتشاراست. نتایج نشان میدهد مقادیر پیش بینی شده اسلامپ بتن توسط مدل شبکه عصبی مصنوعی دارای ضریب همبستگی بالاتر و همچنین میانگین مربعات خطا و میانگین خطای مطلق کمتری نسبت به مقادیر حاصل از روش رگرسیون خطی است.

شبکه عصبی مصنوعی ANN روش رگرسیون چند متغیره خطی، پیش بینی اسلامپ، الگوریتم پس انتشار خطا