• مقایسه شبکه عصبی ترکیبی با مبحث نهم در پیش بینی مقاومت فشاری بتن خودتراکم

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/07/24
    • تاریخ انتشار در تی پی بین: 1392/07/24
    • تعداد بازدید: 801
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    امروزه بتن خودتراکم (scc) به علت مزیت هایی همچون کارایی، دوام و مقاومت بالا، پیوستگی بیشتر بتن با آرماتور، صرفه جویی کلی در هزینه و زمان اجرا از جمله بتن های پرکاربرد می باشد. همچنین به علت کارایی بالای scc برای سازه های با تراکم آرماتور زیاد و تعداد گوشه فراوان مورد استفاده قرار می گیرد. اما از آن جا که طرح اختلاط ثابتی برای بتن خودتراکم وجود ندارد و ارایه طرح اختلاط scc به نتایج آزمایش های روانی آن وابسته است، در پروژه های عملی به علت وجود خطای کارگاهی، هزینه بالا و اجرای مشکل انجام بعضی از آزمایش ها و نبودن زمانی کافی برای تست نمونه های بتنی در زمان طولانی، پیمانکاران را در استفاده از این بتن سست کرده است. به منظور تسهیل در استفاده اجرایی از بتن خودتراکم، محققان به فکر مدل سازی آن افتادند. یکی از روش های مدل سازی شبکه های عصبی مصنوعی (artificial neural network) می باشد. برای تهیه این مقاله ابتدا با مصالح ساده و در دسترس پیمانکاران و روش سعی و خطا چهار طرح اختلاط برای بتن خودتراکم ارائه شد. سپس با استفاده از نرم افزار matlab و با کمک توابع رگرسیون، برای هر طرح اختلاط شبکه عصبی مناسب تهیه شد و در نهایت چهار شبکه عصبی موجود را با یکدیگر ترکیب شدند. با توجه به این که جداول ارائه شده برای تخمین مقاومت فشاری در مبحث نهم مقررات ملی جنبه تجربی داشته و جنبه علمی و جنبه عام ندارد، هدف این مقاله به دست آوردن مدلی مناسب برای تخمین نتایج آزمایش های مقاومت فشاری طولانی مدت بتن خودتراکم می باشد. در نهایت نتایج آزمایشگاهی با نتایج شبکه های عصبی ترکیبی و مبحث نهم مقررات ملی با یکدیگر مقایسه شده اند.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم