پیوندهای مفید
آمار
| تعداد نشریات | 31 |
| تعداد شماره‌ها | 707 |
| تعداد مقالات | 6,643 |
| تعداد مشاهده مقاله | 9,168,842 |
| تعداد دریافت فایل اصل مقاله | 6,285,161 |
پیش‌بینی اسلامپ بتن با استفاده از مدل شبکه عصبی مصنوعی و روش رگرسیون چندمتغیره خطی | ||
| تحقیقات بتن | ||
| مقاله 9، دوره 10، شماره 3 - شماره پیاپی 19، آذر 1396، صفحه 125-136 اصل مقاله (706.54 K) | ||
| نوع مقاله: یادداشت پژوهشی | ||
| نویسندگان | ||
| میثم عفتی* 1؛ سید حسن قاسم زاده موسوی2؛ محسن فلاحتکار گشتی3 | ||
| 1استادیار گروه مهندسی عمران، دانشکده فنی، دانشگاه گیلان | ||
| 2استادیار، گروه مهندسی عمران، دانشکده فنی، دانشگاه گیلان | ||
| 3دانشجوی دکتری، گروه مهندسی عمران، دانشکده فنی، دانشگاه گیلان | ||
| چکیده | ||
| روش‌های مختلفی جهت اندازه‌گیری کارایی بتن وجود دارد که یکی از متداول‌ترین و معمول‌ترین روش‌ها، آزمایش اسلامپ است. جهت دست‌یابی به مخلوط‌های بتنی با اسلامپ مورد نظر، باید مخلوط‌های مختلف بتنی ساخته شود و آزمایش اسلامپ بر روی آن‌ها صورت گیرد. جهت صرفه‌جویی در زمان، هزینه و مصالح بهتر است از روش‌های هوشمندی جهت پیش‌بینی اسلامپ بتن بر اساس نتایج مربوط به تعداد معینی از مخلوط‌های بتنی استفاده شود. در پژوهش حاضر روش رگرسیون چندمتغیره خطی (MLR) و مدل شبکه عصبی مصنوعی (ANN) به عنوان یکی از الگوریتم‌های محاسبات نرم جهت پیش‌بینی اسلامپ بتن مورد ارزیابی قرار گرفته و نتایج از لحاظ کاربردی بودن، دقت و کارایی مقایسه می‌شوند. مدل شبکه عصبی مورد استفاده در این مقاله از نوع پرسپترون چند لایه پیشخور با الگوریتم یادگیری پس‌انتشار است. نتایج نشان می‌دهد که مقادیر پیش‌بینی شده اسلامپ بتن توسط هر دو مدل مطلوب و قابل‌قبول می‌باشند. ضریب همبستگی، میانگین مربعات خطا و میانگین خطای مطلق در روش شبکه عصبی مصنوعی به ترتیب برابر با 9853/0 ، 485/0 و 547/0 تعیین گردید، که این مقادیر در روش رگرسیون چندمتغیره خطی به ترتیب برابر با 8681/0 ، 9696/1 و 0077/1می‌باشند. نتایج تحقیق نشان می‌دهد که در پیش‌بینی اسلامپ بتن به روش شبکه عصبی مصنوعی، مدل با یادگیری رابطه واقعی بین متغیرها اقدام به پیش بینی متغیر خروجی می‌نماید. لذا این مدل نسبت به روش رگرسیون چندمتغیره خطی دارای دقت بیش‌تری در پیش‌بینی اسلامپ بتن می‌باشد. | ||
| کلیدواژه‌ها | ||
| پیش‌بینی اسلامپ بتن؛ محاسبات نرم؛ شبکه عصبی مصنوعی(ANN)؛ رگرسیون چندمتغیره خطی (MLR) | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,243 تعداد دریافت فایل اصل مقاله: 772 |
||