پیوندهای مفید
آمار
| تعداد نشریات | 31 |
| تعداد شماره‌ها | 809 |
| تعداد مقالات | 7,785 |
| تعداد مشاهده مقاله | 35,710,563 |
| تعداد دریافت فایل اصل مقاله | 8,011,988 |
ارزیابی مؤلفه‌های ساخت‌وساز با بتن بازیافتی سازگار با محیط‌زیست با رویکرد مدل‌سازی شبکه عصبی مصنوعی و سیستم استنتاج فازی - عصبی تطبیقی بهینه شده با الگوریتم فراابتکاری | ||
| تحقیقات بتن | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 15 اردیبهشت 1404 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22124/jcr.2025.29506.1689 | ||
| نویسندگان | ||
| مهیار عزیزخانی1؛ علی اصغر امیر کاردوست* 2؛ داوود صداقت شایگان3 | ||
| 1دانشجوی دکترا عمران، دانشگاه آزاد رودهن | ||
| 2گروه عمران، دانشگاه آزاد رودهن، رودهن، ایران | ||
| 3استادیارگروه عمران، دانشگاه آزاد رودهن، رودهن، ایران | ||
| چکیده | ||
| در این مطالعه، مدل‌سازی با مؤلفه‌های ساخت‌وساز با بتن بازیافتی سازگار با محیط‌زیست مورد بررسی قرار گرفته است. برای مدل‌سازی مقاومت فشاری بتن بازیافتی از دو روش شبکه عصبی مصنوعی و سیستم استنتاج فازی - عصبی تطبیقی استفاده شد. سپس برای افزایش عملکرد روش‌های هوشمند و جلوگیری از رویکرد سعی و خطا برای دستیابی به بهینه‌ترین مقادیر پارامترهای هر مدل، از الگوریتم بهینه‌سازی ازدحام ذرات استفاده شد. داده‌های طرح اختلاط از پیشینه تحقیق برای ایجاد مدل‌های پیشنهادی، 201 داده آزمایشگاهی بود که در جهت برآورد مقاومت فشاری بتن بازیافتی جمع‌آوری شـد. سپس برای تعیین بهترین پارامترهای ورودی به مدل، چهار سناریو تعریف گردید که از میان آنها، سناریو برتر انتخاب شد. همچنین برای این شاخص روش ANFIS-FCM نسبت به باقی روش‌های بر پایه نروفازی، از دقت بالاتری برخوردار بوده است. در مرحله تست نیز، روش شبکه عصبی مصنوعی بر پایه الگوریتم ازدحام ذرات، از عملکرد بهتری نسبت به روش ANN برخوردار بود. اما روش ANFIS-FCM-PSO بر خلاف اینکه در مرحله آموزش کمی از روش ANFIS-FCM ضعیف‌تر عمل نموده است، اما در مرحله تست بر اساس سه شاخص ارائه شده عملکردی بهتر از باقی روش‌های پیشنهادی داشته است. نتایج حاصل از تحلیل عدم قطعیت نشانگر آن بود که روش پیشنهادی بافاصله بسیار کمی در ترم خطای میانگین پیش‌بینی داشته‌اند. همچنین در میان روش‌های هوشمند پیشنهادی، روش ANFIS-FCM-PSO با اختلاف اندکی نسبت به دیگر مدل‌ها دارای عملکرد بهتری است. | ||
| کلیدواژه‌ها | ||
| توسعه پایدار؛ بتن بازیافتی؛ پیش‌بینی مقاومت فشاری؛ شبکه عصبی مصنوعی؛ سیستم استنتاج فازی- عصبی تطبیقی؛ الگوریتم بهینه-سازی ازدحام ذرات | ||
|
آمار تعداد مشاهده مقاله: 134 |
||