کاربرد شبک عصبی در پیش بیىی مقایمت فشاری بته حایی خاکستر زغال سىگ

امروزه جهان به شدت درگیر مشکلات زیست محیطی فراوان ناشی از تولید مواد مختلف می باشد که یکی از آنها سیمان است. تاثیر عمده سیمان بر روی محیط زیست، مربوط به آلودگی دی اکسید کربن تولید شده در حین ساخت آن در فرایند کلسیناسیون و آسیاب کردن، جداسازی کربن از سنگ آهک، مصرف سوخت های فسیلی و مصرف برق است که تقریبا 5 درصد از آلودگی جهانی دی اکسید کربن را به خود اختصاص می دهد. بنابراین کاهش مقدار کلینکر سیمان تاثیر مثبتی بر روی محیط زیست دارد و با بهینه سازی طرح مخلوط قابل دستیابی می باشد. از طرفی محصولات ثانویه تولید شده توسط صنایع معدنی برای محیط زیست مشکل زا است و اگر بتوان آنها را در تولید سیمان و بتن مصرف کرد، گامی موثر به سوی توسعه پایداری به حساب می آید. از جمله روش های کاهش کلینگر سیمان استفاده از مواد جایگزین سیمانی مانند خاکستر بادی، سرباره کوره آهن گدازی، پودر سنگ آهک، سرباره مس می باشد که قبلا به صورت مفصل مورد مطالعه پژوهشگران قرار گرفته است. در این تحقیق به روش ازمایشگاهی از پساب زغال سنگ در درصدهای جایگزینی 5 و 10 و 15 و 20 به عنوان مواد جایگزین سیمانی استفاده و نسبت آب به سیمان از 0.31 الی 0.36 متغیر بوده است. بنابراین در مجموع 30 سری نمونه متفاوت طراحی و ساخته شد. آزمایش نشان داد که مخلوط حاوی 5 درصد پساب زغال سنگ، نسبت آب به سیمان 0.31 دارای بیشترین مقاومت فشاری سه روزه (48.8 مگاپاسکال) در مقایسه با سایر مخلوط ها بوده است. با توجه به بالا بودن هزینه های انجام برآن شدیم تا با استفاده از هوش مصنوعی (مشخصا شبکه عصبی) شبکه ای را آموزش دهیم تا به جای جایگزینی با نرخ 5 درصد (یعنی هر بار 20 کیلوگرم زغال سنگ) جایگزینی را با نرخ 1.25 درصد (یعنی هربار 5 کیلوگرم زغال سنگ) را انجام و مقاومت فشاری نمونه ها را پیش بینی کند، تا از این طریق بهترین ترکیب شناسایی شود. نتایج بدست آمده منطبق بر آزمایشات عملی بوده و مشخص گردید بیشترین مقاومت با جایگزینی 2.5 درصد زغال سنگ (54.7 مگاپاسکال) حاصل می شود.

Keywords:

بتن های توانمند , مواد جایگزین سیمان , مقاومت فشاری , فوق روان کننده