استفاده از شبکه عصبی شعاعی برای پیش‌بینی مقاومت فشاری و اسلامپ بتن خود تراکم

امروزه شبکه های عصبی مصنوعی به عنوان یک ابزار سودمند در زمینه های مختلف مهندسی استفاده میشود. شبکه های عصبی توانایی بسیار بالایی در بازسازی روابط پیچیده و غیر خطی دارند. این تحقیق به پیش بینی مقاومت فشاری بتن خود تراکم و اسلامپ آن با شبکه عصبی شعاعی می‌پردازد. بتن خود تراکم نوعی بتن خاصی است که با وزن خود در قالب جاری می شود و نیاز به لرزاندن ندارد. پیش بینی مقاومت فشاری بتن در مواردی که امکان انجام آزمایشات مقدور نبوده از مزایای این تحقیق است. شبکه‌ عصبی بر مبنای توابع پایه شعاعی، یک رویکرد برای کوانتیزه کردن اطلاعات است. در این مدلسازی، یک مساله پیچیده به اجزای ساده تری تجزیه می شود و آموزش می‌بییند که شامل تنظیم وزن‌ها است. ورودی های این شبکه عصبی شامل پودرهای جایگزین سیمان (دوده سیلیس، زئولیت و خاکستر پوسته برنج) ، فوق روان کننده، عیار سیمان، نسبت آب به سیمان، زمان انتقال و خروجی شبکه شامل اسلامپ و مقاومت فشاری بتن می باشند. پس از بررسی طرح‌های اختلاط مختلف، تعداد 145 داده آزمایشگاهی جهت مدلسازی مناسب تشخیص داده شد. از تعداد دیتاهای موجود 80٪ داده ها برای آموزش شبکه و 20٪ داده ها برای تست در نظر گرفته شده اند. نتایج بدست آمده از این تحقیق بیانگر نزدیکی پیش بینی ها در مدل به مقادیر واقعی آزمایشگاهی و دقت بالای مدل سازی می باشند. خروجی‌های مدل برای داده‌های آموزشی برای اسلامپ و مقاومت فشاری به ترتیب به ضریب همبستگی،97/0و 81/0 و میزان جذر میانگین مربعات خطا2/6 و 87/19 دست یافت.