ارائه روشی جهت پیش بینی اسلامپ بتن مبتنی بر مدل نروفازی تطبیقی

کارایی بتن از اهمیت بسیار بالایی در پروژه های عمرانی برخوردار است. یکی از متداول ترین روش ها جهت اندازه گیری کارایی بتن، آزمایش اسلامپ است. جهت صرفه جویی در زمان، هزینه و مصالح، بهتر است از روش های هوشمندی جهت پیش بینی اسلامپ بتن استفاده شود. در این تحقیق یکی از روش های مبتنی بر محاسبات نرم بکار گرفته می شود تا با طراحی شبکه ای، بدون نیاز به انجام آزمایش های 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 می باشد، به منظور پیش بینی اسلامپ بتن پیشنهاد می شود. به منظور آموزش مدل پیشنهادی جهت پیش بینی های آتی با جمع آوری داده های 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 می باشند، 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 دسته بندی متفاوت از داده های آزمایشگاهی ورودی، ضریب همبستگی بین اسلامپ های پیش بینی شده به روش پیشنهادی و شبکه عصبی مصنوعی تقریبا برابر است. در حالی که مقدار جذر میانگین مربعات خطای اسلامپ های 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 می توان به الگوریتم های یادگیری متفاوت بکار رفته در دو مدل و عدم مدلسازی عدم قطعیت، ابهام در انتخاب بهترین تعداد لایه-های مخفی و نرون های این لایه ها در مدل شبکه عصبی مصنوعی اشاره کرد.