پیش بینی خواص مکانیکی ژئوپلیمرها با استفاده از شبکه های عصبی

در این کار ما با هدف پیش بینی و بهینه سازی خواص ژئوپلیمرها بیش از 50 داده مربوط به استحکام فشاری 7 روزه ژئوپلیمرهای تهیه شده از متاکائولن را از مراجع جمع آوری کردیم . پس از آن یک شبکه سه لایه ای طراحی کردیم که پارامترهای ورودی آن نسبت Na2O/K2O و H2O/R2O ،SiO2/Al2O3 ،R2O/Al2O 3 می باشد. (R=Na or K) و پارامتر خروجی آن استحکام فشاری می باشد. از داده های جمع آوری شده برای آموزش و آزمایش شبکه عصبی استفاده کردیم که با استفاده از روش آموزش لونبرگ مارکوارد(Levenberg-Marquardt) تعدیل شده توسط مککی (MacKay) تطابقت خوبی بین پیش بینی شبکه و داده های تجربی برای هر دو سری داده های آموزش و آزمایش بدست آمد . در نهایت از شبکه عصبی آموزش داده شده برای پیش بینی استحکام فشاری و خمشی بسته به نسبت های مختلف Na2O/K2O و H2O/R2O ،SiO2/Al2O3 ،Na2O/Al2O3 استفاده شد و بهینه این نسبت ها بترتیب برابر 1.2 - 1، 3.8 - 3.6 ، 11-10 و 1-0.6 پیش بینی شد.