پیش بینی مقاومت فشاری بتن حاوی خاکستر بادی، میکروسیلیس و سرباره ی مس با استفاده از روش های آماری ، شبکه ی عصبی مصنوعی و منطق فازی

در پژوهش حاضر، به پیش بینی مقاومت فشاری بتن حاوی پوزولان به کمک شبکه ی عصبی مصنوعی و تحلیل رگرسیون پرداخته شده است. اطلاعات به کاررفته شامل 80 نمونه است که مقاومت فشاری 7 و 28 روزه ی آن ها تعیین شده است. در بخش شبکه ی عصبی مصنوعی از یک شبکه ی پرسپترون چند لایه با الگوریتم های متفاوت آموزشی پس انتشار خطا و تعریف یک یا چند لایه ی مخفی و تعداد 7 نورون در لایه ی ورودی و 1 نورون در لایه ی خروجی استفاده شده است. دو معیار ضریب همبستگی و میانگین مربعات خطا به عنوان پایه برای انتخاب شبکه ی بهینه در نظر گرفته شدند و نهایتا یک مدل برای پیش بینی مقاومت فشاری 7 و 28 روزه ی بتن ارائه شد. منطق فازی، روشی دیگر برای پیش بینی مقاومت فشاری بتن است. در مطالعه ی حاضر با دقت بسیار مناسبی اقدام به پیش بینی مقاومت فشاری بتن به کمک تحلیل فازی شده است. در تحلیل رگرسیون پس از تعیین توابع توزیعات احتمال داده به منظور نرمال سازی اطلاعات به کمک نرم فزار M A T L A B، معادله ی بهینه برای تعیین مقاومت فشاری بتن ارائه شده است. نتایج نشان داد که شبکه ی عصبی با الگوریتم لونبرگ مارکوارت، بهترین دقت و تحلیل رگرسیون و کمترین دقت را برای تعیین مقاومت فشاری بتن دارند.

Keywords:

مقاومت فشاری بتن , شبکه ی عصبی مصنوعی , تحلیل رگرسیون , ضریب همبستگی , میانگین مربعات خطا