کاربرد شبکه‎ی عصبی پیش‎خور (Feed Forward) همراه با پارامتر‌های ورودی مختلف در پیش‎بینی خواص مکانیکی بتن خودتراکم

Abstract

در این مقاله، از شبکه عصبی مصنوعی به عنوان ابزاری با صرفه‎جویی در زمان و هزینه، برای پیش‎بینی مقاومت فشاری، کششی و خمشی بتن خودتراکم استفاده شده است. مدل‌های شبکه عصبی مصنوعی پیشخور با استفاده از داده‎های آزمایشگاهی قابل دسترس از طرح اختلاط‎های مختلف از بتن خودتراکم که از منابع گوناگون بدست آمدند، طراحی شدند. به منظور نشان دادن تاثیر پارامترهای ورودی انتخابی بر میزان خطای تست شبکه در پیش‌بینی خواص مدنظر، داده‎های مورد استفاده درمدل‌های شبکه عصبی در دو فرمت 8 و 140 پارامتر ورودی تنظیم شدند. مطابق با نتایج حاصله، شبکه‎های بهینه شده‎ی پیش‌خور قادر به پیش‌بینی خواص بتن خودتراکم با دقت مناسبی هستند. به علاوه، برای تمامی خواص مدنظر، شبکه‎ها با 140 پارامتر ورودی دارای دقت بالاتری نسبت به شبکه‌ها با 8 ورودی می‏باشند. در حقیقت، داده‌های موثری که به عنوان ورودی برای شبکه‎های عصبی انتخاب می‌شوند قادرند دقت پیش‌بینی را از طریق شبیه‌سازی هرچه بیشتر شرایط پیش‌بینی به شرایط آزمایشگاهی به طرز چشمگیری افزایش دهند.