بررسي آزمايشگاهي خواص مكانيكي بتن حاوي نانو‌ولاستونيت و مدل‌سازي آن به كمك شبكه‌هاي عصبي نوع GMDH

Experimental Investigation on Mechanical Properties of Concrete Containing Nano Wollastonite and Modeling with GMDH- type Neural Networks

ولاستونيت يك ماده طبيعي و نسبتا ارزان قيمت است كه مي‌تواند به‌عنوان جايگزيني مناسب براي سيمان در بتن مورد استفاده قرار گيرد. در اين مقاله تاثير ذرات نانو‌ولاستونيت بر روي خواص مكانيكي از طريق اندازه‌گيري مقاومت فشاري و خمشي و اثر آن بر دوام با اندازه‌گيري مقاومت در برابر نفوذ آب در سنين 3، 7، 28و60 روزه با ساخت نمونه‌هاي بتني بررسي شده است. نتايج حاكي از افزايش مقاومت خمشي به‌‌ميزان 63%، مقاومت فشاري 9% و مقاومت در برابر نفوذ آب حدود 50% با جايگزيني 10% نانو‌ولاستونيت بجاي سيمان است. در بخش نهايي مقاله از شبكه‌هاي عصبي تعميم يافته GMDH براي مدل‌سازي خصوصيات بتن استفاده شده است. هدف از اين مدل‌سازي ضمن نشان دادن دقت شبكه‌هاي عصبي نوع GMDH، پيش‌بيني مقاومت فشاري و خمشي بتن با درصد‌هاي مختلف نانو‌ولاستونيت است. در هر يك از مدل‌ها متغيرهاي ورودي، سن و درصد نانو‌ولاستونيت هستند. اين بررسي نشان مي‌دهد كه نتايج حاصل از اين نوع شبكه انطباق خوبي با نتايج آزمايشگاهي دارد.

Wollastonite is a natural and low cost material, which can be replaced by cement in concrete. In the present paper, the influence of Nano Wollastonite on mechanical and durability of concrete was investigated using the measurement of compressive and flexural strength and water penetration on concrete specimens after 3, 7, 28 and 60 days. The results show that flexural strength increases 63%, compressive strength 9% and water penetration resistance with around 50% by substitute of 10% Nano Wollastonite. GMDH-type neural networks were used for modeling of these concrete properties. The aim of such modeling is to make a model for predicting of compressive and flexural strength of concrete with the different percentage of Nano Wollastonite. The age and percent of Nano Wollastonite were used as input variables. The results show that the outputs of neural network model have a good agreement with experimental data.