استفاده از شبكه عصبي GMDH تعميم‌يافته براي پيش‌بيني مقاومت فشاري بتن به كمك روش مغزه‌گيري

در اين مطالعه، شبكه عصبي GMDH با ساختار عمومي (تعميم يافته) با موفقيت براي مدل سازي روش مغزه گيري حاوي ميل گرد و بر پايه نتايج گسترده آزمايشگاهي بكار گرفته شده است. الگوريتم ژنتيك و روش تجزيه مقادير منفرد براي تعيين ساختار بهينه مدل گسترش يافته اند. مجموعه داده هاي ورودي و خروجي براي آموزش و آزمايش مدل هاي استخراج شده شامل متغيرهاي قطر مغزه بتني، نسبت ابعاد مغزه، تعداد ميل گردهاي داخل مغزه، فاصله محور ميل گرد تا انتهاي نزديك تر مغزه و نيز مقاومت مغزه (با و بدون ميل گرد) به عنوان پارامترهاي ورودي و مقاومت مكعبي استاندارد بتن به عنوان متغير خروجي مدل در نظر گرفته شده اند. مقايسه بين نتايج آزمايشگاهي به دست آمده در اين مطالعه و مقادير متناظر پيش بيني شده توسط مدل GMDH نشان داد كه اين مدل توانايي بالايي در پيش بيني مقاومت فشاري بتن بر پايه نتايج آزمايش مغزه گيري دارد. در انتها، آناليز حساسيت به منظور بررسي تأثير پارامترهاي ورودي بر خروجي مدل GMPH انجام گرفت. اين آناليز نشان داد كه مقادير متغير خروجي (مقاومت مكعبي استاندارد بتن) به طور قابل توجهي متأثر از مقادير پارامترهاي مقاومت مغزه و تعداد ميل گردها در مقايسه با ساير متغيرهاست.