کاربرد شبکه های عصبی مصنوعی در تخمین مشخصات روانی بتن

معمولا برای کارهای ازمایشگاهی با بوجود اوردن شرایط مناسب تمام ازمایشات مربوط به بتن خودتراکم SCC با دقت بالا انجام می شود اما در پروژه های کارگاهی به علت وجود خطای بیشتر و سختی در انجام بعضی از ازمایشات بعضی از پیمانکاران از مزیت آن چشم پوشی می کنند هدف این مقاله بدست اوردن تخمینی مناسب برای جواب ازمایشهای به نسبت مشکل SCC از روی جواب های ازمایشات راحت تر توسط شبکه های عصبی مصنوعی می باشد تا گام مثبتی در راه توسعه پایدار استفاده از SCC در پروژه های سازه ای برداشته شود. در واقع با ایجاد شبکه های عصبی پرسپترون چند لایه و توابع شعاعی پایه جواب ازمایشات جریان اسلامپ، حلقه J، قیف V شکل را به عنوان ورودی به شبکه می دهیم و جواب ازمایشات U-Box و L-Box را با دقت ازمایشگاهی در محیطکارگاه بدست می اوریم در نهایت به مقایسه نتایج ازمایشگاهی و شبکه های عصبی می پردازیم.

کلیدواژه ها:

بتن خودتراکم SCC ، روانی ، شبکه های عصبی مصنوعی ANN ، پرسپترون چند لایه ، توابع شعاعی پایه