بهینه سازی طرح اختلاط بتن سبک نسبتا مقاوم با استفاده از روش شبکه عصبی مصنوعی

امروزه بتن به عنوان اصلی ترین مصالح در ساخت سازه در کشور عزیزمان ایران به کار می رود. از اینرو انواع بتن از لحاظ رفتار، وزن و مقاومت توسط محققین مختلف تحقیق شده و دغدغه مهم محققین از دیرباز بوده است. بتن سبک، بتن پر مقاومت، بتن متخلل، بتن خود متراکم و ... نمونه هایی از این تحقیقات در زمینه مهندسی عمران هستند که در سالهای اخیر سالیانه مسابقات مختلف نیز در این زمینه برگزار شده است. تحقیق حاضر به بحث و بررسی در زمینه طرح اختلاط نوع خاصی از بتن نسبتا سبک و نسبتا مقاوم بوده است. هدف اصلی از این مقاله بهینه سازی طرح اختلاط بتن مکعبی (۵*۵ سانتی متری) با استفاده از مدلهای شبکه عصبی مصنوعی است. برنامه آزمایشات در این تحقیق با ۲۰۰ طرح اختلاط در زمینه بتن مکعبی و تهیه بانک اطلاعاتی شروع شده و با کاربرد انواع ساختار شبکه عصبی چندلایه پرسپترون مدلسازی شده است. شاخصهای ارزیابی مورد استفاده در این تحقیق شامل ضریب رگرسیون (R) و میانگین مربعات خطا (MSE) هستند که از آنها برای معرفی ساختار بهینه شبکه عصبی مصنوعی استفاده شده است. نتایج حاصل از مدلسازی بر پایه آزمونهای آزمایشگاهی انجام شده نشان دادند که ضریب همبستگی برای اکثر مدلها بیش از ۸۵ درصد حاصل شده است که بر اساس معیار اشمیت از کارایی مناسب شبکه عصبی مصنوعی حکایت دارد. همچنین شبه عصبی با دولایه پنهان ۸ نرونی با ضریب همبستگی میانگین ۹۳ درصد در سه مجموعه یادگیری، آموزشی و ارزیابی و شاخص خطای میانگین ۱۸۲/۰ به عنوان ساختار بهینه در مجموعه ساختارهای مورد استفاده انتخاب شده است.