فهرست نشریات علمی دسترسی آزاد ایران

در این مطالعه، شبکه عصبی GMDH با ساختار عمومی (تعمیم‌یافته) با موفقیت برای مدل‌سازی روش مغزه­گیری حاوی میل‌گرد و بر پایه نتایج گسترده آزمایشگاهی بکار گرفته شده است. الگوریتم ژنتیک و روش تجزیه مقادیر منفرد برای تعیین ساختار بهینه مدل گسترش یافته‌اند. مجموعه داده‌های ورودی و خروجی برای آموزش و آزمایش مدل­های استخراج‌شده شامل متغیرهای قطر مغزه بتنی، نسبت ابعاد مغزه، تعداد میل‌گردهای داخل مغزه، فاصله محور میل‌گرد تا انتهای نزدیک تر مغزه و نیز مقاومت مغزه (با و بدون میل‌گرد) به­عنوان پارامترهای ورودی و مقاومت مکعبی استاندارد بتن به­عنوان متغیر خروجی مدل در نظر گرفته شده‌اند. مقایسه بین نتایج آزمایشگاهی        به­دست­آمده در این مطالعه و مقادیر متناظر پیش‌بینی‌شده توسط مدل GMDH نشان داد که این مدل توانایی بالایی در پیش‌بینی مقاومت فشاری بتن بر پایه نتایج آزمایش مغزه­گیری دارد. در انتها، آنالیز حساسیت به منظور بررسی تأثیر پارامترهای ورودی بر خروجی مدل GMPH انجام گرفت. این آنالیز نشان داد که مقادیر متغیر خروجی (مقاومت مکعبی استاندارد بتن) به­طور قابل‌توجهی متأثر از مقادیر پارامترهای مقاومت مغزه و تعداد میل‌گردها در مقایسه با سایر متغیرهاست.