ارزيابي پارامتريك طرح اختلاط در مدل مقاومت كششي مبتني بر روش هاي هوشمند رگرسيوني در بتن توليد شده با ضايعات ساختماني بازيافت شده

Evaluation of parametric study of mixture proportions on the tensile strength regression-based model of concrete containing recycled construction waste

محدود بودن منابع و حفظ كيفيت محيط زيست لزوم بازيافت مواد و مصالح را اجتناب ناپذير ساخته است. يكي از مصالح ساختماني كه پتانسيل خوبي براي بازيافت دارد بتن مي‌باشد. بتن ضايعاتي را مي‌توان دوباره خرد نموده، به عنوان سنگدانه در ساخت بتن استفاده كرد. در اين مطالعه، براي مدلسازي مقاومت فشاري بتن حاوي سنگدانه‌هاي بازيافتي از روش رگرسيوني مبتني بر فرمول به نام اسپلاين رگرسيوني چند متغيره تطبيقي(MARS) استفاده شد. داده‌هاي طرح اختلاط از پيشينه تحقيق براي ايجاد مدل‌هاي پيشنهادي، 239 داده آزمايشگاهي بود كه در جهت برآورد مقاومت كششي بتن بازيافتي حاوي سنگدانه‌هاي بازيافتي جمع‌آوري شـد. سپس براي تعيين بهترين پارامترهاي ورودي به مدل، دو سناريو با ورودي وزني حجمي مبتني بر وزن كيلوگرم مقادير طرح اختلاط و نسبتي تعريف شد . در اين پژوهش، براي تعيين بهترين مدل‌ براي تخمين مقاومت كششي بتن حاوي سنگدانه بازيافتي از طريق شاخص‌هاي آماري خطا، مشخص گرديد كه ضريب همبستگي (R) در مرحله آموزش براي روش MARS بر پايه به ترتيب 0/973 و 0/903مي باشد. در مرحله تست نيز، مدل وزني حجمي با ريشه ميانگين خطا 0/232 مگاپاسكال خطاي بهتري را گزارش نموده و عملكرد بهتري نسبت به مدل نسبتي (0/331 مگاپاسكال) برخوردار بود. نتايج حاصل از تحليل عدم قطعيت و اعتبارسنجي نشانگر آن بود كه روش‌هاي پيشنهادي با اعتبار لازم را داشته و نتايج تخمين تصادفي نبوده است. همچنين دو نوع رابطه محاسياتي مارس ارائه شده با رويكرد غيرخطي و ناپارامتريك پيشنهاد شده كه در محدوده مطالعاتي اين پژوهش مطالعه وزني حجمي دقت مناسبي داشته و ارزيابي پارامتريك طرح اختلاط بتن بازيافتي با استفاده از رابطه توسعه داده شده وزني حجمي انجام شد

Restricting resources and maintaining environmental quality has inevitably required the recycling of materials. Concrete is one of the most attractive building materials for recycling. The waste concrete can be crushed again, used as aggregate in the manufacture of concrete. In this study, for the modeling of compressive strength of concrete containing recycled aggregate, two formula-based regression methods named multivariate adaptive regression splines (MARS) was used. Mixing data from the research background to create suggested models, 239 laboratory data was compiled to estimate tensile strength of recycled concrete for parametric investigation. Then, two scenarios based on volumetric/weighted and ratio variables were defined to determine the best input parameters for the model using mallow’s technique. Among which a scenario including volumetric/weighted content, based on three statistical error indices including correlation coefficient (R), Root mean square error (RMSE) and mean absolute error (MAE) were selected as the best scenario. In this study, to determine the best model for estimating the compressive strength of recycled concrete by means of error statistics, it was determined that the correlation coefficient (R) in the training stage for MARS 0.973 and 0.903. Also. The RMSE statistical value for the proposed model MARS this stage was 16.176. In the testing phase, the MARS method was better than the M5p method. The results of uncertainty analysis indicated that the proposed method had a predicted mean error with very little distance in the semester. In addition, among the proposed smart methods, the MARS base on volumetric/weighted content approach was chosen for parametric analysis.