تعداد نشریات | 31 |
تعداد شمارهها | 744 |
تعداد مقالات | 7,079 |
تعداد مشاهده مقاله | 10,193,650 |
تعداد دریافت فایل اصل مقاله | 6,873,914 |
پیش بینی مقاومت فشاری بتن خودتراکم حاوی خاکستربادی با استفاده از روش اسپلاین رگرسیونی چندمتغیره تطبیقی (مارس) | ||
تحقیقات بتن | ||
مقاله 8، دوره 12، شماره 2 - شماره پیاپی 26، تیر 1398، صفحه 113-125 اصل مقاله (930.24 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22124/jcr.2020.5966.1139 | ||
نویسندگان | ||
محمدجواد طاهری امیری1؛ علی اشرفیان* 2؛ جواد برنجیان3؛ امید لطفی عمران4 | ||
1دانشجوی دکترای مهندسی و مدیریت ساخت دانشگاه صنعتی بابل | ||
2کارشناسی ارشد موسسه آموزش عالی طبری بابل | ||
3رئیس موسسه آموزش عالی طبری بابل | ||
4دانشجوی دکترای عمران-سازه دانشگاه گیلان | ||
چکیده | ||
استفاده از بتن خودتراکم علاوه بر کاهش زمان ساخت، به کاهش هزینه نیز میانجامد، از اینرو استفاده از روشهای نوین هوشمند مصنوعی جهت تخمین مقادیر خواص بتن خودتراکم ضروری به نظر میرسد. هدف اصلی در این مقاله، امکان استفاده از روش اسپلاین رگرسیونی چندمتغیره (مارس) برای پیشبینی مقاومت فشاری 28 روزه بتن خودتراکم میباشد. در این مطالعه، 109 داده آزمایشگاهی مورد بررسی قرار گرفته است. همچنین برای مقایسه عملکرد روش مارس، دادههای مذبور با روش شبکه عصبی مصنوعی نیز بررسی شد. روش مارس در مرحله آموزش مدل(250/4RMSE=) نسبت به شبکه عصبی (626/4RMSE=) عملکرد بهتری را نشان داد. نتایج بدست آمده از شاخصهای خطا در مرحله آزمون روشهای مارس و شبکه عصبی به ترتیب با (007/3RMSE=) و(049/4 RMSE=) عملکرد مطلوبی در پیشبینی مقاومت فشاری از خود نشان دادند.همچنین تحلیل حساسیت انجام شده در این مطالعه نشان داد سیمان و پودرخاکستربادی بیشترین تاثیر را در توسعه مدل پیشنهادی مارس داشته اند. ارزیابی مدلهای پیشنهادی با استفاده از شاخصهای آماری خطا سرعت و دقت مدل مارس را در پیشبینی خواص بتن مشخص کرده است. | ||
کلیدواژهها | ||
بتن خودتراکم؛ مقاومت فشاری؛ پودر خاکستر بادی؛ مدل مارس؛ شبکه عصبی مصنوعی | ||
مراجع | ||
| ||
آمار تعداد مشاهده مقاله: 883 تعداد دریافت فایل اصل مقاله: 840 |