بررسی مقاومت فشاری بتن با استفاده از هوش مصنوعی
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