ارائه مدل هاي بهينه شده هوش مصنوعي جهت بررسي رفتار مقاومتي بتن پايدار حاوي ريزدانه هاي بازيافتي پلي اتيلن ترفتالات

يكي از موارد مصرف مجدد ضايعات بدون داشتن اثرات مخرب زيست محيطي، استفاده در صنعت بتن مي باشد. از اين رو، بررسي اثرگزاري مولفه‌هاي طرح اختلاط در مطالعات آزمايشگاهي و ارائه مدل‌هاي محاسباتي جهت ارزيابي خواص مكانيكي بتن رو به گسترش مي‌باشد. از جمله تحقيقات به روز در اين مورد، توسعه مدل‌هاي رگرسيوني محاسباتي جهت ارزيابي خواص بتن هاي سازگار با محيط زيست حاوي ريزدانه‌هاي پلي اتيلن ترفتالات (پت) بازيافت شده با استفاده از روش‌هاي هوش مصنوعي مي‌باشد. مدل‌هاي توسعه داده شده مي‌تواند به عنوان جايگزين فرايند آزمايشگاهي در ارائه پيش طرح اختلاط‌ها و صرفه جويي‌هاي اقتصادي و زيست محيطي شود. در اين تحقيق، روش-هاي هوش مصنوعي مارس و ماشين يادگيري سريع با الگوريتم ازدحام ذرات تجميع شده تا مدل‌هايي با دقت بالا و جامع براي تخمين خواص بتن ارائه شود. مدل‌هاي مبتني بر روابط محاسباتي جهت تخمين مقادير خواص بتن سازگار با محيط زيست حاوي پت با استفاده از مدل هاي هوشمند، توسعه يافته و كيفيت مدل‌ها در جهت تخمين مشخصه هاي بتن و بررسي مولفه‌هاي طرح اختلاط اين بتن بررسي شد. نتايج مدل‌هاي هوشمند نشان داد، استفاده از الگوريتم‌ در روند بهينه يابي ضرايب و وزن‌هاي روش‌هاي مورد استفاده، عملكرد مد‌ل‌هاي محاسباتي را با دقت قابل توجهي مواجه كرده است. پيش‌بيني رفتار مقاومتي مدل‌ها در مدل تلفيقي مارس بهينه شده (%R= 0.902, RMSE=4.836 RSE=3.5) در مقايسه با ديگر مدل‌ها در‌ اين مطالعه دقت قابل توجهي را بيان نموده است. همچنين جهت بررسي مولفه‌هاي اثرگزار در مقادير خواص مقاومتي تحليل حساسيت انجام و نتايج نشان داد ريزدانه با درصد 20.30% بيشترين اثرگزاري را در بررسي مولفه‌هاي طرح اختلاط دارا بوده است. در نهايت عدم قطعيت مدل‌ها با استفاده از شبيه سازي مونت كارلو نشان داد مدل تلفيقي مارس با درصد عدم قطعيت 14.42 كمترين ميزان عدم قطعيت را در بين مدل‌هاي توسعه داده شده كسب نموده است.