فهرست نشریات علمی دسترسی آزاد ایران

یکی از موارد مصرف مجدد ضایعات بدون داشتن اثرات مخرب زیست محیطی، استفاده در صنعت بتن می باشد .از این رو، بررسی اثرگزاری مولفه‌های طرح اختلاط در مطالعات آزمایشگاهی و ارائه مدل‌های محاسباتی جهت ارزیابی خواص مکانیکی بتن رو به گسترش می‌باشد. از جمله تحقیقات به روز در این مورد، توسعه مدل‌های رگرسیونی محاسباتی جهت ارزیابی خواص بتن های سازگار با محیط زیست حاوی ریزدانه‌های پلی اتیلن ترفتالات (پت) بازیافت شده با استفاده از روش‌های هوش مصنوعی می‌باشد. مدل‌های توسعه داده شده می‌تواند به عنوان جایگزین فرایند آزمایشگاهی در ارائه پیش طرح اختلاط‌ها و صرفه جویی‌های اقتصادی و زیست محیطی شود. در این تحقیق، روش-های هوش مصنوعی مارس و ماشین یادگیری سریع با الگوریتم ازدحام ذرات تجمیع شده تا مدل‌هایی با دقت بالا و جامع برای تخمین خواص بتن ارائه شود. مدل‌های مبتنی بر روابط محاسباتی جهت تخمین مقادیر خواص بتن سازگار با محیط زیست حاوی پت با استفاده از مدل های هوشمند، توسعه یافته و کیفیت مدل‌ها در جهت تخمین مشخصه-های بتن و بررسی مولفه‌های طرح اختلاط این بتن بررسی شد. نتایج مدل‌های هوشمند نشان داد، استفاده از الگوریتم‌ در روند بهینه یابی ضرایب و وزن‌های روش‌های مورد استفاده، عملکرد مد‌ل‌های محاسباتی را با دقت قابل توجهی مواجه کرده است. پیش‌بینی رفتار مقاومتی مدل‌ها در مدل تلفیقی مارس بهینه شده (% 5/3 RSE=836/4 RMSE=،902/0R=) در مقایسه با دیگر مدل‌ها در‌ این مطالعه دقت قابل توجهی را بیان نموده است. همچنین جهت بررسی مولفه‌های اثرگزار در مقادیر خواص مقاومتی تحلیل حساسیت انجام و نتایج نشان داد ریزدانه با درصد 30/20 % بیشترین اثرگزاری را در بررسی مولفه‌های طرح اختلاط دارا بوده است. در نهایت عدم قطعیت مدل‌ها با استفاده از شبیه سازی مونت کارلو نشان داد مدل تلفیقی مارس با درصد عدم قطعیت 42/14 کمترین میزان عدم قطعیت را در بین مدل‌های توسعه داده شده کسب نموده است.