سهیل فولادی - دانشجوی کارشناسی ارشد عمران-سازه، پردیس دانشگاه گیلان
میثم عفتی - استادیارگروه مهندسی عمران، دانشکده فنی، دانشگاه گیلان
رحمت مدندوست - دانشیارگروه مهندسی عمران، دانشکده فنی، دانشگاه گیلان

مقاومت فشاری بتن خود تراکم متاثر از اجزای تشکیل دهنده آن و نوع نانو و میکرو ذرات بکار رفته در طرح اختلاط آن میباشد. به منظور صرفه جوئی در زمان و هزینه میتوان از روشهای هوش مصنوعی در تخمین مقاومت فشاری بتن خود تراکم استفاده نمود. در این مطالعه با استفاده از روشهای مدلسازی محاسبات نرم همچون شبکه عصبی مصنوعی (ANN) که توانایی بالا در تجزیه وتحلیل سیستم های ناشناخته و پیچیده دارند به شبیه سازی رفتار پیچیده و غیرخطی بتن خود تراکم و مواد تشکیل دهنده آن پرداخته میشود؛ تا با یادگیری از روی الگوهای آموزشی (ورودی – خروجی متناسب) به نتایج مطلوب آزمایشگاهی رسید. به این منظور تعداد 328 نمونه از طرحهای اختلاط بتن خود تراکم از مقالات مختلف معتبر آزمایشگاهی جمع آوری شده است که در آن پنج متغیر: نسبت آب به مواد چسباننده، نوع پوزولان، نسبت پوزولان به مواد چسباننده، سن بتن و مقدار وزنی فوق روان کننده به عنوان ورودی و مقاومت فشاری بتن خود تراکم تابع هدف مدل مورد ارزیابی قرارگرفته و نتایج ازلحاظ دقت و کارایی مورد مقایسه قرار میگیرد. نتایج نشان میدهد که مقادیر پیشبینی مقاومت فشاری مدل مطلوب و قابل قبول میباشند. ضریب همبستگی، ضریب تبیین، میانگین مربعات خطا و مجذور میانگین مربعات خطا در مدل شبکه عصبی مصنوعی به ترتیب 0/9486، 0/8998، 0/0052 و 0/0721 تعیین گردید نتایج تحقیق نشان میدهد که مدل شبکه عصبی مصنوعی به عنوان یکی از روش های محاسبات نرم به دلیل قابلیت سازگار پذیری بالا، غیرخطی بودن، تعمیم پذیری مناسب، قابلیت پیشبینی مقاومت فشاری بتن خود تراکم را با دقت بالاتر و خطای کمتری دارا میباشد

بتن خود تراکم، مقاومت فشاری، شبکه عصبی مصنوعی (ANN))، محاسبات نرم