پیش بینی مقاومت فشاری بتن خودتراکم حاوی خاکستربادی با استفاده از روش اسپلاین رگرسیونی چندمتغیره تطبیقی (مارس)

Abstract

استفاده از بتن خودتراکم علاوه بر کاهش زمان ساخت، به کاهش هزینه نیز می‌انجامد، از اینرو استفاده از روش‌های نوین هوشمند مصنوعی جهت تخمین مقادیر خواص بتن خودتراکم ضروری به نظر می‌رسد. هدف اصلی در این مقاله، امکان استفاده از روش اسپلاین رگرسیونی چندمتغیره (مارس) برای پیش‌بینی مقاومت فشاری 28 روزه بتن خودتراکم می‌باشد. در این مطالعه، 109 داده آزمایشگاهی مورد بررسی قرار گرفته است. همچنین برای مقایسه عملکرد روش مارس، داده‌های مذبور با روش شبکه عصبی مصنوعی نیز بررسی شد. روش مارس در مرحله آموزش مدل(250/4RMSE=) نسبت به شبکه عصبی (626/4RMSE=) عملکرد بهتری را نشان داد. نتایج بدست آمده از شاخص‌های خطا در مرحله آزمون روش‌های مارس و شبکه عصبی به ترتیب با (007/3RMSE=) و(049/4 RMSE=) عملکرد مطلوبی در پیش‌بینی مقاومت فشاری از خود نشان دادند.همچنین تحلیل حساسیت انجام شده در این مطالعه نشان داد سیمان و پودرخاکستربادی بیشترین تاثیر را در توسعه مدل پیشنهادی مارس داشته اند. ارزیابی مدل‌های پیشنهادی با استفاده از شاخص‌های آماری خطا سرعت و دقت مدل مارس را در پیش‌بینی خواص بتن مشخص کرده است.