فهرست نشریات علمی دسترسی آزاد ایران

روش‌های مختلفی جهت اندازه‌گیری کارایی بتن وجود دارد که یکی از متداول‌ترین و معمول‌ترین روش‌ها، آزمایش اسلامپ است. جهت دست‌یابی به مخلوط‌های بتنی با اسلامپ مورد نظر، باید مخلوط‌های مختلف بتنی ساخته شود و آزمایش اسلامپ بر روی آن‌ها صورت گیرد. جهت صرفه‌جویی در زمان، هزینه و مصالح بهتر است از روش‌های هوشمندی جهت پیش‌بینی اسلامپ بتن بر اساس نتایج مربوط به تعداد معینی از مخلوط‌های بتنی استفاده شود. در پژوهش حاضر روش رگرسیون چندمتغیره خطی (MLR) و مدل شبکه عصبی مصنوعی (ANN) به عنوان یکی از الگوریتم‌های محاسبات نرم جهت پیش‌بینی اسلامپ بتن مورد ارزیابی قرار گرفته و نتایج از لحاظ کاربردی بودن، دقت و کارایی مقایسه می‌شوند. مدل شبکه عصبی مورد استفاده در این مقاله از نوع پرسپترون چند لایه پیشخور با الگوریتم یادگیری پس‌انتشار است. نتایج نشان می‌دهد که مقادیر پیش‌بینی شده اسلامپ بتن توسط هر دو مدل مطلوب و قابل‌قبول می‌باشند. ضریب همبستگی، میانگین مربعات خطا و میانگین خطای مطلق در روش شبکه عصبی مصنوعی به ترتیب برابر با 9853/0 ، 485/0 و 547/0 تعیین گردید، که این مقادیر در روش رگرسیون چندمتغیره خطی به ترتیب برابر با 8681/0 ، 9696/1 و 0077/1می‌باشند. نتایج تحقیق نشان می‌دهد که در پیش‌بینی اسلامپ بتن به روش شبکه عصبی مصنوعی، مدل با یادگیری رابطه واقعی بین متغیرها اقدام به پیش بینی متغیر خروجی می‌نماید. لذا این مدل نسبت به روش رگرسیون چندمتغیره خطی دارای دقت بیش‌تری در پیش‌بینی اسلامپ بتن می‌باشد.