روش های ترکیب شبکه عصبی در پیش بینی نتایج آزمایشات روانی و مقاومتی بتن خودتراکم

نویسندگان

دانشگاه تربیت دبیر شهید رجایی

چکیده

امروزه بتن خودتراکم ازجمله بتن های پرکاربرد دنیا می باشد. اما از آنجا که طرح اختلاط آن به نتایج آزمایشات روانی آن وابسته است، در پروژه های عملی به علت وجود خطای کارگاهی، هزینه بالا، اجرای مشکل بعضی از آزمایشات و نبودن زمان کافی برای تست نمونه ها، پیمانکاران از این بتن بسیار کم استفاده کرده اند. به همین منظور برای تسهیل در استفاده اجرایی از بتن خودتراکم، محققان به فکر مدلسازی آن افتادند. یکی از روش های مدلسازی، شبکه های عصبی مصنوعی است.
هدف این مقاله ارایه طرح اختلاط، با مصالح ساده و در دسترس پیمانکاران و در نهایت بدست آوردن تخمینی مناسب برای نتایج آزمایشات روانی و مقاومتی بتن خودتراکم می باشد. بدین ترتیب که با انجام آزمایشات ساده بتن خودتراکم بتوان نتایج آزمایشات مشکل و زمان بر را با دقت آزمایشگاه، در محیط کارگاه بدست آورد.

کلیدواژه‌ها


عنوان مقاله [English]

METHODS OF COMBINED NEURAL NETWORKS FOR PREDICTING THE WORKABILITY AND STRENGTH TESTING OF SELF COMPACTING CONCRETE

 
[1] Bartos, P.J.M.Gibbs, J.C. and Zhu,W.Z. “Uniformity of in situ properties of self compacting concrete in full scale structure elements” , Cement and Concrete Composites, 2001.
[2] Sobhani, Jafar. Najimi, Meysam. Pourkhorshidi, Ali Reza. Parhizkar, Tayebeh. “Prediction of the compressive strength of no-slump concrete: A comparative study of regression, neural network and ANFIS models”, Construction and Building Materials, Volume 24, Issue 5, May 2010.
[3] Cheng Yeh, I., “Modeling slump flow of concrete using second-order regressions and artificial neural networks” , Cement and Concrete Composites, Volume 29, Issue 6, July 2007.
[4] Siddique, Rafat. Aggarwal,Paratibha. and Aggarwal,Yogesh. October 2011, “Prediction of compressive strength of self-compacting concrete containing bottom ash using artificial neural networks” , advances in Engineering Software, Volume 42, Issue 10.
[5] Uysal, Mucteba and Tanyildizi, Harun., November 2011, “Predicting the core compressive strength of self-compacting concrete (SCC) mixtures with mineral additives using artificial neural network” , Construction and Building Materials, Volume 25, Issue
]6[ ایراجیان، محمود. "کاربرد مواد افزودنی در پروژه های سد سازی" ، چهارمین کنفرانس بین المللی سد سازی، تهران، 1380.
[7] Peterson, O. Billberg, P. and Van, B.K. “A model for self-compacting concrete”, proceeding of international RILEM conference on production methods and workability of concrete, 1996.
[8] Haykawa, M. “development and application of super workable concrete”, proceeding of international RILEM workshop on special concretes-workability and mixing, 1993.
[9] BS 1881-part 116, “method for Determination of Compressive Strength of Concrete Cubes” 1983.
[10] BS 1881-part 118, “method for Determination of Tensile Strength of Concrete”, April 1987.
]11[ البرزی، محمود . "آشنایی با شبکه های عصبی" ، موسسه انتشارات علمی دانشگاه صنعتی شریف، 1383.
[12] Philip D. Wasserman. “Neural Computing: Theory and Practice.” Van No strand Reinhold Co. New York, USA, 1989.
[13] Bishop, Christopher. M. “Neural Networks for Pattern Recognition”, CLARENDON PRESS· OXFORD, 1995.
[14] Haykin. S. “Neural Network: A comprehensive foundation”, NY: Macmillan, 1994.
]15[ کیا، مصطفی. 1389، "شبکه های عصبی در MATLAB" ، چاپ سوم.
[16] Mazloom, Moosa and Yoosefi, M. M. "Estimating the Long-term Strength of Self-Compacting Concrete from Short-term Tests",Journal of Civil Engineering and Architect, January 2011.
[17] Polikar, Robi."Ensemble based systems in decision making", IEEE CIRCUITS AND SYSTEMS MAGAZINE, 2006.
[18] Kardos, Miroslaw. Kania, Pioter.  Budzyna, Pawel. Blachnik, Markin. Wieczorek, Tadeusz. Golak, Slawomir. "Combining the advantages of Neural Networks and decision tree for regression problems in a steel temperature prediction system”, HAIS'12 Proceedings of the 7th international conference on Hybrid Artificial Intelligent Systems, 2012.
]19[ حاتمی، نیما. میرزازاده، حجت. ابراهیم پور، رضا. "ترکیب شبکه های عصبی برای پیش بینی قیمت سهام" ، پژوهشنامه علوم اقتصادی، 1389.
[20] Tanaka, H.  "Fuzzy data analysis by possibility linear models.” Fuzzy Sets and Systems, 24(3), PP. 363- 375, 1987.
]21 [خاشعی، مهدی و بیجاری، مهدی. "به کارگیری مدل ترکیبی شبکه های عصبی مصنوعی با رگرسیون فازی با هدف پیش بینی قیمت طلا" ، نشریه تخصصی مهندسی صنایع، دوره۴۴، شماره1. فروردین  ۱۳۸۹.
[22] Hayashi, Yoichi & Setiono, Rudy. "Combining neural network predictions for medical diagnosis", Computers in Biology and Medicine, 2002.