CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

پیش بینی مقاومت فشاری بتن ژئوپلیمری خاکستر بادی با استفاده از مدل شبکه عصبی مصنوعی

عنوان مقاله: پیش بینی مقاومت فشاری بتن ژئوپلیمری خاکستر بادی با استفاده از مدل شبکه عصبی مصنوعی
شناسه ملی مقاله: ITCC06_054
منتشر شده در ششمین کنفرانس ملی کاربرد فناوری های نوین در علوم مهندسی در سال 1401
مشخصات نویسندگان مقاله:

احسان محسن نیا - دانشجو دکتری عمران سازه، دانشگاه صنعتی شریف
وهب توفیق - دانشیار گروه عمران، دانشگاه صنعتی شریف

خلاصه مقاله:
بتن ژئوپلیمری جایگزینی سازگار با محیط زیست برای بتن سنتی است که از مواد زاید به عنوان ماده سیمانی استفادهمی کند. فقدان طرح اختلاط استاندارد برای بتن ژئوپلیمری مشکل اصلی استفاده از آن در صنعت ساختمان است. اینمطالعه یک مدل شبکه عصبی برای پیشبینی مقاومت فشاری بتن ژئوپلیمری مبتنی بر خاکستر بادی (FAGC) بر اساسترکیبات شیمیایی اجزای آن ارائه می کند. یکی از پایه ای ترین مدل های عصبی موجود، مدل پرسپترون چندلایه است کهدر این مطالعه مورد استفاده قرارگرفته است. برای دستیابی به این هدف، یکصد و شصت ودو طرح ترکیبی از مقالاتمنتشرشده بین سالهای ۲۰۰۰ تا ۲۰۲۰ جمع آوری شد. در این مطالعه ده متغیر ورودی (نسبت مقدار آب به کل موادجامد خاکستر بادی و محلول سدیم هیدروکسید و محلول سدیم سیلیکات، نسبت کل محلول سدیم هیدروکسید و سدیمسیلیکات به مقدار خاکستر بادی، نسبت سدیم سیلیکات به سدیم هیدروکسید، شاخص ترکیب شیمیایی خاکستر بادی(CCI)، مقدار کل سنگ دانه نسبت به وزن کل بتن ژئوپلیمری، مقدار درشتدانه به مقدار کل سنگدانه، مدتزمانعمل آوری، دمای عمل آوری، نسبت مقدار روان کننده به مقدار خاکستر بادی، مولاریته سدیم هیدروکسید) و یک متغیرخروجی (مقاومت فشاری بتن ژئوپلیمری مبتنی بر خاکستر بادی) به عنوان ورودی و خروجی مدل مورد بررسی قرار گرفت.شاخص های (MAPE(%), RMSE (MPa) R(۲ و (MAE (MPa به ترتیب برابر ۰.۸۲۸ ، ۳.۵۶ مگاپاسکال، ۷.۷۴درصد و ۲.۹۱ مگاپاسکال برای داده های آزمایش محاسبه شدند که از دقت قابل قبولی برخوردار است. درنهایت با مقایسهاین مدل با مطالعات قبلی، مدل پیشنهادی میتواند مقاومت فشاری بتن ژئوپلیمری مبتنی بر خاکستر بادی را با دقت قابلقبولی تخمین بزند که میتواند در زمان و هزینه صرفه جویی کند.

کلمات کلیدی:
بتن ژئوپلیمری، خاکستر بادی، شبکه عصبی مصنوعی، مدل پرسپترون چندلایه، مقاومت فشاری

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1795649/