پیش بینی مشخصات سخت شده بتن خودتراکم الیافی به کمک شبکه های عصبی مصنوعی

امروزه روش های هوشمند و الهام گرفته از طبعیت در حل مسائل پیچیده طرفداران زیادی دارد یکی از پرطرفدارترین و کاراترین این ساختارها، شبکه های عصبی مصنوعی هستند که قادرند یک رابطه کلی بین اطلاعات حجیم و پیچیده ناشی از آزمایش ها و مثال های تجربی به دست آورند. از طرف دیگر، ترکیب بتن الیافی با بتن خودتراکم، یک نوع بتن جدید با سیالیت بالا و چسبندگی خوب تولید می کند. این نوع بتن به علت حضور الیاف دارای مزایای فراوانی همچون، مقاومت بالا در برابر ضربه، خستگی، فرسایش و همچنین افزایش مقاومت کششی و خمشی و کاهش جدا شدگی می باشد. در این تحقیق با در نظر گرفتن اجزای طرح اختلاط بتن به عنوان ورودی شبکه ها و مدل سازی دو نوع شبکه عصبی، یکی تابع بنیادی شعاعی و دیگری شبکه عصبی بازگشتی نارکس برای پیش بینی مشخصات سخت شده بتن استفاده شد. برای آموزش هر چه بهتر شبکه ها، 40 طرح اختلاط بتن خودتراکم الیافی، توسط سه نوع الیاف فولادی، شیشه و پلی پروپیلن ساخته شد. مقایسه نتایج آزمایشات و خروجی شبکه، بیانگرآن است که هر دو شبکه از دقت کافی در تخمین مشخصات سخت شده بتن خودتراکم برخوردار می باشند و شبکه عصبی بازگشتی نارکس دارای خطای کمتری نسبت به شبکه عصبی تابع بنیادی شعاعی می باشد.