پيش‌بيني مقاومت بتن حاوي سنگ‌دانه‌هاي مختلف از طريق مدل‌سازي در شبكه‌هاي عصبي مصنوعي

Prediction of Concrete Strength Containing Different Aggregates through Artificial Neural Networks

در اين تحقيق از طريق مدل‌سازي در شبكه‌هاي عصبي مصنوعي، پيش‌بيني مقاومت بتن حاوي سنگ‌دانه‌هاي مختلف با استفاده از آزمون‌هاي غيرمخرب (آلتراسونيك) انجام شد. بدين منظور ابتدا مصالحي با ويژگي‌هاي متفاوت گردآوري و خواص آن‌ها در آزمايشگاه به‌روش‌هاي مخرب و غيرمخرب تعيين شده است. نكته مهم اين تحقيق، استفاده از سنگ‌دانه‌هاي مختلف با خواص فيزيكي، مكانيكي و شيميايي متفاوت و هم‌چنين استفاده از دو آزمون غيرمخرب استاتيكي و ديناميكي است كه به‌ترتيب مقاومت تك‌محوري و سرعت موج فشاري است. بنابراين مدل‌سازي شامل نمونه‌هاي مختلفي است و فضاي پيش‌بيني نيز در برگيرنده روش‌هاي ايستا و پويا ‌است. نتايج اين تحقيق نشان داد كه استفاده از شبكه‌هاي عصبي مصنوعي نه تنها سبب افزايش دقت مي‌شود بلكه باعث كاهش حجم محاسبات و هم‌چنين تاثير زيادي در كاهش زمان محاسبه خواهد شد.

In this research, prediction of concrete strength containing different aggregates using Non-destructive (Ultrasonic) testing through Artificial Neural Networks was carried out. For this purpose, aggregates with different properties were selected from the quarries, and then their destructive and nondestructive properties were obtained in laboratory. The significance of this research, using different aggregates with physical, mechanical and chemical properties also used two different test methods, such as Non-destructive static and dynamic testing, which are respectively uniaxial compressive strength and compressive wave velocity. Thus, this model includes various types of samples and the prediction model includes static and dynamic tests. The results showed that the use of artificial neural networks not only increases the accuracy, but also it reduces costs and time.