کاربرد شبکه عصبی مصنوعی جامع در پیش‌بینی مقاومت فشاری بتن های حاوی سنگ‌دانه‌های با خواص شیمیایی مختلف

امروزه بتن به‌عنوان یکی از پرمصرف‌ترین ماده‌ها در صنعت ساخت‌وساز شناخته می‌شود. با توجه به اهمیت این ماده در مهندسی عمران، شناخت خصوصیات مکانیکی آن ازجمله مقاومت فشاری که منجر به تولید بتنی با استحکام و دوام بالا شود از اهمیت بالایی برخوردار است. عموماً مقاومت فشاری بتن توسط تست‌های آزمایشگاهی روی نمونه‌های استوانه‌ای انجام می‌پذیرد. به‌منظور صرفه‌جویی در زمان، هزینه و مصالح، بهتر است از روش‌های هوشمندی برای پیش‌بینی مقاومت فشاری بتن استفاده شود که نیاز به تست‌های آزمایشگاهی را کاهش دهد. شبکه عصبی ابزاری قدرتمند برای پیش‌بینی رفتار مواد ازجمله شاخصه‌های مکانیکی بتن است. با استفاده از شبکه عصبی می‌توان مقاومت فشاری بتن را با تقریب خوبی پیش‌بینی کرد. در پژوهش حاضر با آموزش 4 شبکه عصبی مصنوعی جامع، مقاومت فشاری 1، 7، 14 و 28 روزه بتن حاوی ماسه معمولی، ماسه سیلیسی، ماسه‌بادی و ماسه کربنات کلسیم (ماسه آهکی) پیش‌بینی‌شده است. برای این منظور از مجموعه داده‌های آزمایشگاهی روی 28 نمونه بتن حاوی سنگ‌دانه‌های مذکور استفاده شد. با آموزش 4 شبکه عصبی دولایه که هرکدام دارای 9 پارامتر ورودی شامل نسبت ماسه به سیمان، نسبت آب به سیمان و گرم عبوری از الک‌های شماره 4، 8، 16، 30، 50، 100 و 200 بودند مقاومت فشاری 1، 7، 14 و 28 روزه بتن با تقریب خوبی تخمین زده شد. درنهایت دقت و کارایی شبکه‌های عصبی با استفاده از شاخصه‌های آماری مانند میانگین مربعات خطا (mse)، جذر میانگین مربعات خطا (rmse)، ضریب همبستگی r و انحراف معیار استاندارد مشخص شد. نتایج نشان داد که شبکه‌های عصبی با خطای کمتر از 2% قادر به پیش‌بینی مقاومت فشاری 1، 7، 14 و 28 روزه بتن هستند.