ترکیب مدل‌های شبکه عصبی برای پیش‌بینی مقاومت چسبندگی میلگردهای پلیمری با الیاف شیشه به بتن

Abstract

استفاده از مصالح FRP و سایر مصالح کامپوزیتی به عنوان میلگرد یا ورق، یکی از گزینه‌های مناسب فنی و اقتصادی در ساخت، بهسازی و مقاوم‌سازی سازه‌هایی نظیر سازه‌های بتنی است. یکی از مهمترین مسائلی که باید در مورد استفاده از چنین مصالحی مدنظر قرار گیرد، مقاومت چسبندگی آنها به بتن سازه‌ای است. در این مقاله، تأثیر ترکیب مدل‌های پیش‌بینی گروهی با مد‌‌ل‌های تخمین منفرد بر روی بهتر شدن نتایج مدل‌های منفرد برآورد مقاومت چسبندگی میلگردهای FRP با الیاف شیشه به بتن مورد بررسی قرار می‌گیرد. برای رسیدن به این هدف ابتدا از شبکه‌های عصبی با ورودی‌های نتایج پیش‌بینی دو مدل منفرد قبلأ ارائه شده برای برآورد مقاومت چسبندگی GFRP به منظور بهبود نتیجه بهترین مدل از میان دو مدل مذکور استفاده می‌شود. سپس با درنظرگیری خروجی-های پیش‌بینی مدل شبکه عصبی اول و بهترین مدل منفرد از بین دو مدل فوق‌الذکر به عنوان ورودی، دوباره از شبکه‌های عصبی برای ارائه یک مدل بهتر از مدل ANN اول استفاده می‌شود. نتایج انتهایی نشان از کاهش خطای پیش‌بینی مدل ANN ترکیب شده از روش-های منفرد و گروهی نسبت به مدل‌های منفرد قبلأ ارائه شده، مدل میانگین وزن‌دار نتایج خروجی پیش‌بینی شده‌ دو مدل منفرد مذکور و مدل ANN ترکیبی آن دو مدل منفرد می‌دهند.