ارائه روشی جهت پیش‌بینی اسلامپ بتن مبتنی بر مدل نروفازی تطبیقی

Abstract

کارایی بتن از اهمیت بسیار بالایی در پروژه‌های عمرانی برخوردار است. یکی از متداول‌ترین روش‌ها جهت اندازه گیری کارایی بتن، آزمایش اسلامپ است. جهت صرفه‌جویی در زمان، هزینه و مصالح، بهتر است از روش‌های هوشمندی جهت پیش‌بینی اسلامپ بتن استفاده شود. در این تحقیق یکی از روش‌های مبتنی بر محاسبات نرم بکار گرفته می‌شود تا با طراحی شبکه‌ای، بدون نیاز به انجام آزمایش‌های فیزیکی پرزحمت، بتوان تخمینی از اسلامپ بتن بدست آورد. بدین منظور یک مدل نروفازی تطبیقی که مزایای شبکه عصبی و استنتاج فازی را با هم دارا می‌باشد، به منظور پیش‌بینی اسلامپ بتن پیشنهاد می‌شود. به منظور آموزش مدل پیشنهادی جهت پیش‌بینی‌های آتی با جمع‌آوری داده‌های مربوط به 44 تست آزمایشگاهی اسلامپ بتن، متغیرهایی مانند نسبت آب به سیمان، ماسه، شن، میکروسیلیس و فوق روان کننده که از اجزای اصلی سازنده بتن می‌باشند، به عنوان متغیرهای ورودی و مقدار اسلامپ نیز به عنوان متغیر خروجی در نظر گرفته ‌شده است. در نهایت دقت نتایج و کارایی مدل نروفازی تطبیقی پیشنهادی با استفاده از شاخص-های آماری ضریب همبستگی و جذر میانگین مربعات خطا با یک مدل شبکه عصبی مصنوعی مقایسه شده است. نتایج نشان داد که از میانگین نتایج ده دسته‌بندی متفاوت از داده‌های آزمایشگاهی ورودی، ضریب همبستگی بین اسلامپ‌های پیش‌بینی شده به روش پیشنهادی و شبکه عصبی مصنوعی تقریبا برابر است. در حالی‌که مقدار جذر میانگین مربعات خطای اسلامپ‌های روش نروفازی پیشنهادی 4477/0 تعیین شد که کمتر از مقدار 6964/0 مربوط به خروجی شبکه عصبی است. از دلایل تفاوت در خطای خروجی دو مدل می‌توان به الگوریتم‌های یادگیری متفاوت بکار رفته در دو مدل و عدم مدلسازی عدم قطعیت، ابهام در انتخاب بهترین تعداد لایه-های مخفی و نرون‌های این لایه‌ها در مدل شبکه عصبی مصنوعی اشاره کرد.