فهرست نشریات علمی دسترسی آزاد ایران

امروزه از بتن غلتکی در ساخت سد‌ها و روسازی راه‌ها استفاده می‌شود و طی سال‌های اخیر استفاده از این نوع بتن به علت مزایایی چون کوتاه شدن زمان ساخت، در دسترس بودن مصالح مورد نیاز، عملکرد مناسب در نواحی سرد و عمر مفید طولانی گسترش یافته است. مهم‌ترین خاصیت مکانیکی بتن غلتکی، مقاومت فشاری می‌باشد که افزایش آن می‌تواند عملکرد این نوع بتن را بهبود بخشد. حساسیت بتن غلتکی به اجزای تشکیل‌دهنده آن سبب مشکلاتی در پیش‌بینی مقاومت فشاری شده است. پارامترهایی نظیر مقدار سیمان، نسبت آب به مواد سیمانی، مقدار مواد سیمانی جایگزین و نسبت درشت‌دانه به ریزدانه اثر زیادی بر مقاومت فشاری بتن غلتکی دارند. در دهه‌های اخیر، مدل‌سازی به‌وسیله هوش مصنوعی، جایگاه ویژه‌ای در علوم فنی و مهندسی پیدا کرده است و پیش‌بینی رفتار موادی که با پیچیدگی‌های فراوانی روبه‌رو بوده، تا حدودی به کمک این روش میسر شده است. در این تحقیق، مجموعه‌ای از طرح­های اختلاط ساخته شده توسط مؤلفین و طرح­های اختلاط ساخته شده در مطالعات دیگر جمع‌آوری گردید. با در نظر گرفتن اجزای طرح اختلاط و سن نمونه‌ها به‌عنوان متغیرهای ورودی، مدل‌های شبکه عصبی مصنوعی، سیستم استنتاج فازی عصبی تطبیقی و ماشین‌های بردار پشتیبان برای پیش‌بینی مقاومت فشاری ساخته شدند. مقایسه نتایج نشانگر این است که مدل شبکه عصبی مصنوعی توانایی بیشتری نسبت به مدل‌های سیستم استنتاج فازی عصبی تطبیقی و ماشین‌ بردار پشتیبان در پیش‌بینی مقاومت فشاری بتن غلتکی دارد. همچنین، مقاومت‌های تخمین زده شده توسط شبکه عصبی مصنوعی و ماشین بردار پشتیبان به ترتیب بیشترین و کمترین تطابق را با مقاومت فشاری واقعی دارند. مقدار ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین خطای مطلق شبکه عصبی مصنوعی به ترتیب برابر با 9717/0، 4859/2 و 1396/2 است. این مقادیر برای ماشین بردار پشتیبان به ترتیب برابر 9566/0، 4013/3 و 0733/3  می‌باشند.