استفاده از شبکه عصبی gmdh تعمیم‌یافته برای پیش‌بینی مقاومت فشاری بتن به کمک روش مغزه‌گیری

در این مطالعه، شبکه عصبی gmdh با ساختار عمومی (تعمیم یافته) با موفقیت برای مدل سازی روش مغزه گیری حاوی میل گرد و بر پایه نتایج گسترده آزمایشگاهی بکار گرفته شده است. الگوریتم ژنتیک و روش تجزیه مقادیر منفرد برای تعیین ساختار بهینه مدل گسترش یافته اند. مجموعه داده های ورودی و خروجی برای آموزش و آزمایش مدل های استخراج شده شامل متغیرهای قطر مغزه بتنی، نسبت ابعاد مغزه، تعداد میل گردهای داخل مغزه، فاصله محور میل گرد تا انتهای نزدیک تر مغزه و نیز مقاومت مغزه (با و بدون میل گرد) به عنوان پارامترهای ورودی و مقاومت مکعبی استاندارد بتن به عنوان متغیر خروجی مدل در نظر گرفته شده اند. مقایسه بین نتایج آزمایشگاهی به دست آمده در این مطالعه و مقادیر متناظر پیش بینی شده توسط مدل gmdh نشان داد که این مدل توانایی بالایی در پیش بینی مقاومت فشاری بتن بر پایه نتایج آزمایش مغزه گیری دارد. در انتها، آنالیز حساسیت به منظور بررسی تاثیر پارامترهای ورودی بر خروجی مدل gmph انجام گرفت. این آنالیز نشان داد که مقادیر متغیر خروجی (مقاومت مکعبی استاندارد بتن) به طور قابل توجهی متاثر از مقادیر پارامترهای مقاومت مغزه و تعداد میل گردها در مقایسه با سایر متغیرهاست.