| استفاده از مدل های شبکه عصبی مصنوعی(ANN)، ماشین یادگیری سریع(ELM) و الگوریتم ازدحام ذرات(PSO) در پیش بینی اثر نانوسیلیس بر مقاومت کششی و فشاری بتن سبک |
| کد مقاله : 1028-CONCRETE (R1) |
| نویسندگان |
|
رضا کاظمی *1، ابوالفضل نوحی2، مهدی اصولی3، مجتبی حنطه4 1مدیر مجتمع خاتم الانبیاء (ص). 2ریاست و مدیر پروژه مجتمع خاتم الانبیاء (ص). 3مدیر بازرگانی مجتمع خاتم الانبیاء (ص). 4ریاست کمیته مدیریت انرژی (EMS) مجتمع خاتم الانبیاء (ص). |
| چکیده مقاله |
| بتن یکی از پرکاربردترین مصالح ساختمانی است که پتانسیل انتشار مقدار قابل توجهی گاز CO2 در محیط را دارد. در ساخت بتن سبک سعی شده از مصالحی استفاده شود که سازگار با محیط زیست باشند. بتن‌های سبک به دلیل وزن مخصوص پایین‌ترشان نسبت به سایر بتن‌ها، مقاومت کمتری دارند. لذا رسیدن به مقاومت بالاتر با استفاده از نانوسیلیس به جای بخشی از سیمان میسر می شود. در این پژوهش، از مدل های شبکه عصبی مصنوعی (ANN) و ماشین یادگیری سریع (ELM) برای پیش بینی تأثیر نانوسیلیس بر خواص مکانیکی بتن سبک، شامل مقاومت فشاری و کششی استفاده شده است. جهت بهبود دقت این مدل، از الگوریتم ازدحام ذرات (PSO) استفاده می‌گردد. نتایج نشان می دهد استفاده از نانوسیلیس باعث بهبود خواص مکانیکی بتن می شود. همچنین مدل تلفیقی ELM-PSO عملکرد بهتری در مقایسه با مدل ELM و ANN دارد، به نحوی که این مدل دارای ضریب همبستگی 0.9713 در مرحله آموزش و 0.9640 در مرحله آزمایش است. همچنین تلفیق الگوریتم PSO با مدل ELM باعث بهبود دقت آن به اندازه 1.68 درصد می شود. |
| کلیدواژه ها |
| نانوسیلیس، بتن سبک، شبکه عصبی مصنوعی، ماشین یادگیری سریع، الگوریتم ازدحام ذرات. |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |
