بررسی مقاومت فشاری بتن با استفاده از هوش مصنوعی

محسن رحیمی¹ مهدی رضایی²

1) دانشجوی کارشناسی ارشد سازه دانشگاه ازاد سپیدان
2) عضو هیت علمی دانشگاه ازاد سپیدان

محل انتشار : سومین کنفرانس بین المللی معماری، عمران،شهرسازی،محیط زیست و افق های هنر اسلامی در بیانیه گام دوم انقلاب(3icacu.ir)
چکیده :
به دلیل ویژگی‌هایی همانند پایداری‏، مقاومت، تنوع کاربرد و هزینه کم، استفاده از بتن در سالیان اخیر بسیار ‏فراگیر بوده است. ‏ سنجش و محاسبه دقیق خصوصیات مکانیکی مخلوط‌ بتن نقش بسیار مهمی در تضمین ‏کیفیت بتن خواهد داشت. ازجمله خصوصیات مکانیکی بسیار مهم در سنجش کیفیت بتن می‌توان به مقاومت ‏فشاری اشاره نمود. چنانچه خصوصیت مکانیکی مقاومت فشاری بتن با دقت مناسبی محاسبه نشود می‌تواند ‏خسارات جبران‌ناپذیر بسیاری را به سازه‌های در حال ساخت تحمیل نماید. در این پژوهش، اقدام به طراحی، ‏توسعه، تحلیل و مقایسه میزان دقت انواع مختلف شبکه‌های عصبی شامل نزول گرادیان با یادگیری تطبیقی، ‏لونبرگ مارکوارت، تک‌مرحله‌ای پس انتشار، پس انتشار شبه نیوتنی، پس انتشار ارتجاعی و گرادیان مزدوج ‏مقیاس شده ‏‏‏‏برای سنجش مقاومت فشاری بتن نموده‌ایم. جهت آموزش و اعتبارسنجی ‏این شبکه‌های عصبی از نرم‌افزار متلب و ‏1030 ‏نمونه ‏ از مجموعه داده‌های معتبر ‏Concrete Compressive ‎Strength‏ ‏ مخزن یادگیری ‏UCI‏ ‏ استفاده شده است. پارامترهای مؤثر در بررسی ‏مقاومت فشاری بتن در این پژوهش شامل سیمان، سرباره کوره بلند، خاکستر بادی، آب، فوق روان کننده، ‏سنگ‌دانه درشت، سنگ دانه‌ریز و سن بتن بوده است. جهت ارزیابی میزان دقت و کارایی سنجش مقاومت ‏فشاری بتن توسط شبکه‌های عصبی مورد مقایسه پژوهش از معیارهای ضریب تعیین (‏(R2‏، خطای میانگین ‏مربعات (‏MSE‏) و میانگین خطای مطلق (‏MAE‏) استفاده شده است. مطابق با نتایج ارزیابی پژوهش شبکه ‏عصبی لونبرگ مارکوارت با مقدار 99/0 برای ضریب تعیین ‏‏، مقدار 7281/17‏ برای میانگین خطای مربعات و ‏مقدار 3869/2 ‏میانگین خطای مطلق، نسبت به دیگر شبکه‌های عصبی مورد مقایسه پژوهش دارای دقت و ‏کارایی بهتری برای سنجش مقاومت فشاری بتن بوده است.‏
کلمات کلیدی : ضریب تعیین .مقاومت فشاری .مخلوط بتن .هوش مصنوعی .شبکه عصبی