پیشبینی مقاومت فشاری بتن خودتراکم توسط شبکه عصبی مصنوعی المان همراه با دو مجموعه متفاوت از پارامترهای ورودی
عنوان مقاله: پیشبینی مقاومت فشاری بتن خودتراکم توسط شبکه عصبی مصنوعی المان همراه با دو مجموعه متفاوت از پارامترهای ورودی
شناسه ملی مقاله: JR_JSEC-5-4_011
منتشر شده در شماره 4 دوره 5 فصل در سال 1397
شناسه ملی مقاله: JR_JSEC-5-4_011
منتشر شده در شماره 4 دوره 5 فصل در سال 1397
مشخصات نویسندگان مقاله:
عاطفه غلام زاده چیتگر - کارشناسی ارشد مهندسی و مدیریت ساخت، موسسه آموزش عالی طبری بابل
جواد برنجیان - رئیس موسسه آموزش عالی طبری بابل-هیات علمی و استادیار دانشکده نوشیروانی بابل
خلاصه مقاله:
عاطفه غلام زاده چیتگر - کارشناسی ارشد مهندسی و مدیریت ساخت، موسسه آموزش عالی طبری بابل
جواد برنجیان - رئیس موسسه آموزش عالی طبری بابل-هیات علمی و استادیار دانشکده نوشیروانی بابل
در سالهای اخیر، شبکههای عصبی مصنوعی از یک رویکرد نظری به یک فنآوری با قابلیت استفاده گسترده همراه با برنامههای کاربردی موفق برای مسائل گوناگون تبدیل شدهاند. در حقیقت، شبکه های عصبی مصنوعی یک ابزار محاسباتی قدرتمندی هستند که راه حل های مناسبی را برای حل مسائلی ارائه می دهند که با استفاده از روش های مرسوم و سنتی دشوار هستند. امروزه این شبکه ها که از سیستم عصبی زیستی الهام گرفته شدهاند، به طور گسترده برای حل یک سطح وسیعی از مسائل پیچیده در مهندسی عمران نیز مورد استفاده قرار می گیرند. هدف از مطالعه حاضر، ارزیابی عملکرد شبکههای عصبی مصنوعی المان با در نظر گرفتن پارامترهای ورودی مختلف در پیشبینی مقاومت فشاری بتن خودتراکم میباشد. ازین رو، یک بار 8 پارامتر تاثیرگذار و بار دیگر جهت نزدیک شدن هرچه بیشتر شرایط پیشبینی به شرایط آزمایشگاهی، 140پارامتر به عنوان ورودی وارد شبکههای عصبی المان شدند. طبق نتایج حاصله، شبکههای عصبی المان به عنوان ابزار قابل اعتمادی با صرفهجویی در زمان و هزینه دارای قدرت بالایی در پیشبینی مشخصههای مورد نظر میباشند. به علاوه، در پیش بینی هر دو مقاومت فشاری 7 و 28 روزه، شبکههای ساخته شده با تعداد 140پارامتر به ترتیب به میزان 74/54 و 70/44 درصد بهبود در خطای تست نسبت به شبکه ها با 8 پارامتر دارند که این اثرگذاری مستقیم پارامترهای موثر در نظر گرفته شده به عنوان ورودی را بر میزان خطای شبکه در پیشبینی خواص مدنظر نشان میدهد.
کلمات کلیدی: بتنخودتراکم, پیشبینی, مقاومت فشاری, شبکهی عصبی, ورودی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/893693/