پیش بینی مقاومت فشاری بتن خودتراکم حاوی فیلر های مختلف با کمک شبکه های عصبی مصنوعی

دقت در بتن ریزی، تراکم بتن و همچنین ظاهر بتن به عنوان یک متریال اکسپوز همواره از دغدغه های طراحان و مجریان پروژه های عمرانی محسوب می شود. بتن های خودمتراکم با خاصیت تراکم وزنی همواره می تواند از گزینه های پیش روی طراحان باشد. تنوع در مواد مورد استفاده در بتن های خودمتراکم از جمله مواد بازیافتی، با خاصیت پوزولانی و پرکنندگی در جهت رسیدن به اهداف ریولوژی و مکانیکی، از چالش هایی است که طراحان با آن روبرو هستند. همچنین دقت در تعیین نسبت های اختلاط و نتایج حاصل از آن بسیار زمان بر و پرهزینه می باشد. علوم کامپیوتر با بهره گیری از محاسبات نرم و شبکه های عصبی الهام گرفته از ساختار بیولوژیکی مغز انسان، سعی در افزایش سرعت، دقت و همچنین کاهش هزینه به جهت جلوگیری از آزمایشات مخرب می پردازد. در این پژوهش با کمک دو شبکه ANN و LSTM با بهره گیری از 320 نمونه بتن خودمتراکم با پراکندگی و جامعیت مصالح رایج مورد استفاده در آن توسط محققیق مختلف، سعی در پیش بینی مقاومت فشاری 28 روزه بتن خودتراکم، بررسی عملکرد و افزایش دقت توسط 6 الگوریتم آموزشی مختلف شده است. در مجموع حدودا 200 تکرار آموزش بر روی 320 نمونه بتن خودتراکم با 14 ویژگی انجام شد، که با مقایسه بهترین نتایج حاصل از الگوریتم های آموزشی، بهترین عملکرد با ریشه میانگین مربعات خطای 97/4 و ضریب همبستگی 9484/0 در آزمایش، برای شبکه ANN با الگوریتم آموزشی Beyesian Regularization گزارش شد، که نشان دهنده ی دقت بالای آن شبکه می باشد.