هادی فقیه ملکی

هدف: این مطالعه با هدف بررسی پیش بینی خواص مقاومتی بتن به کمک انواع مختلف شبکه های عصبی انجام گرفت. داده های موردمطالعه در این پژوهش از بانک اطلاعاتی 127 طرح اختلاط جمع آوری شده است. داده های ورودی شامل سن بتن برحسب روز، میزان درشت دانه، ریزدانه، سیمان، آب، روان کننده برحسب کیلوگرم بر سانتی متر مکعب بوده است و داده های هدف شامل مقاومت فشاری بوده است.روش شناسی پژوهش: در این پژوهش سعی شده با مطالعه آماری نمونه های آزمایشگاهی بتن جهت پروژه های گوناگون مدل هایی ساخته شود تا بتواند پیش بینی مناسبی جهت تخمین خواص مقاومتی بتن داشته باشد. استفاده از هوش مصنوعی به عنوان یک روش مدرن جایگاه ویژه ای در علوم مهندسی دارد. در این پژوهش داده های مورداستفاده ابتدا نرمال سازی شدند و سپس داده های موردنظر با استفاده از الگوریتم لورنبرگ مارکوارت مورد آزمایش قرار گرفت.یافته ها: معیارهای ارزیابی مدل های شبکه عصبی مصنوعی با استفاده از ارزیابی و خطا به دست آمد و نتایج نشان داد استفاده از 10 لایه مخفی دارای بیشترین ضریب همبستگی و کمترین خطا بوده است. ساختار این شبکه به صورت پرسپترون چندلایه بوده است.اصالت/ارزش افزوده علمی: نتایج نشان داد برای شبکه عصبی ساخته شده مقدار ضریب همبستگی، ریشه میانگین، مربعات خطا و میانگین خطای مطلق شبکه عصبی مصنوعی ساخته شده به ترتیب برابر است با 0/95، 1/9 بوده است.