ارزیابی پارامتریک طرح اختلاط در مدل مقاومت کششی مبتنی بر روش های هوشمند رگرسیونی در بتن تولید شده با ضایعات ساختمانی بازیافت شده

محدود بودن منابع و حفظ کیفیت محیط زیست لزوم بازیافت مواد و مصالح را اجتناب ناپذیر ساخته است. یکی از مصالح ساختمانی که پتانسیل خوبی برای بازیافت دارد بتن می‌باشد. بتن ضایعاتی را می‌توان دوباره خرد نموده، به عنوان سنگدانه در ساخت بتن استفاده کرد. در این مطالعه، برای مدلسازی مقاومت فشاری بتن حاوی سنگدانه‌های بازیافتی از روش رگرسیونی مبتنی بر فرمول به نام اسپلاین رگرسیونی چند متغیره تطبیقی(mars) استفاده شد. داده‌های طرح اختلاط از پیشینه تحقیق برای ایجاد مدل‌های پیشنهادی، 239 داده آزمایشگاهی بود که در جهت برآورد مقاومت کششی بتن بازیافتی حاوی سنگدانه‌های بازیافتی جمع‌آوری شد. سپس برای تعیین بهترین پارامترهای ورودی به مدل، دو سناریو با ورودی وزنی حجمی مبتنی بر وزن کیلوگرم مقادیر طرح اختلاط و نسبتی تعریف شد . در این پژوهش، برای تعیین بهترین مدل‌ برای تخمین مقاومت کششی بتن حاوی سنگدانه بازیافتی از طریق شاخص‌های آماری خطا، مشخص گردید که ضریب همبستگی (r) در مرحله آموزش برای روش mars بر پایه به ترتیب 0.973 و 0.903می باشد. در مرحله تست نیز، مدل وزنی حجمی با ریشه میانگین خطا 0.232 مگاپاسکال خطای بهتری را گزارش نموده و عملکرد بهتری نسبت به مدل نسبتی (0.331 مگاپاسکال) برخوردار بود. نتایج حاصل از تحلیل عدم قطعیت و اعتبارسنجی نشانگر آن بود که روش‌های پیشنهادی با اعتبار لازم را داشته و نتایج تخمین تصادفی نبوده است. همچنین دو نوع رابطه محاسیاتی مارس ارائه شده با رویکرد غیرخطی و ناپارامتریک پیشنهاد شده که در محدوده مطالعاتی این پژوهش مطالعه وزنی حجمی دقت مناسبی داشته و ارزیابی پارامتریک طرح اختلاط بتن بازیافتی با استفاده از رابطه توسعه داده شده وزنی حجمی انجام شد

Evaluation of parametric study of mixture proportions on the tensile strength regression-based model of concrete containing recycled construction waste

Restricting resources and maintaining environmental quality has inevitably required the recycling of materials. Concrete is one of the most attractive building materials for recycling. The waste concrete can be crushed again, used as aggregate in the manufacture of concrete. In this study, for the modeling of compressive strength of concrete containing recycled aggregate, two formulabased regression methods named multivariate adaptive regression splines (MARS) was used. Mixing data from the research background to create suggested models, 239 laboratory data was compiled to estimate tensile strength of recycled concrete for parametric investigation. Then, two scenarios based on volumetric/weighted and ratio variables were defined to determine the best input parameters for the model using mallow’s technique. Among which a scenario including volumetric/weighted content, based on three statistical error indices including correlation coefficient (R), Root mean square error (RMSE) and mean absolute error (MAE) were selected as the best scenario. In this study, to determine the best model for estimating the compressive strength of recycled concrete by means of error statistics, it was determined that the correlation coefficient (R) in the training stage for MARS 0.973 and 0.903. Also. The RMSE statistical value for the proposed model MARS this stage was 16.176. In the testing phase, the MARS method was better than the M5p method. The results of uncertainty analysis indicated that the proposed method had a predicted mean error with very little distance in the semester. In addition, among the proposed smart methods, the MARS base on volumetric/weighted content approach was chosen for parametric analysis.