پیش بینی مقاومت فشاری بتن سازه ای با استفاده از یادگیری ماشین و شبکه عصبی پرسپترون چندلایه

فناوری بتن به عنوان یکی از مهمترین دستاوردهای بشر در حیطه مهندسی ساخت و عمران می باشد. بطوری که بکارگیری بتن به عنوان اساسی ترین مصالح ساختمانی در کشورهای مختلف بوده و تمرکز قابل توجهی بر روی این مصالح گردیده است. مقاومت بالا، بهینگی خصوصیات مهندسی، انعطاف پذیری بتن و همچنین هزینه پایین اجرا این مصالح سبب شده بنیان زیرساخت کشورها با آن گره بخورد. در این میان مقاومت تک محوری بتن به عنوان یکی از شاخص های مهندسی که بیشترین تمرکز بر روی آن در تمامی طراحی ها وجود دارد به عنوان هسته این مطالعه مطرح شده است. هدف از این بررسی پیاده سازی روشی مکمل مبتنی بر هوش مصنوعی و یادگیری ماشین که بتواند هزینه و زمان ارزیابی های مقاومت تک محوری بتن را که معمولا توسط روش های سنتی و آزمایشگاهی براورد می گردد؛ ارائه شود. در این راستا پایگاه داده ای مشتمل بر ۳۰۰ نمونه بتن آزمایشگاهی مکعبی (cm ۱۰ × cm ۱۰) تهیه شده و توسط مدل شبکه عصبی پرسپترون چندلایه (MLP) مورد تجزیه و تحلیل قرار گرفته است. مدل مذکور در زبان برنامه نویسی سطح بالای پایتون پیاده سازی شده است. برپایه نتایج حاصل از مدل پیش بینی مشخص گردیده که این مدل توانایی خوبی برای تحلیل و پیش بینی مقاومت تک محوری بتن در نمونه های محاسبه شده دارد.