برای اطلاع از آخرین مقالات علمی و اخبار کرونا(COVID-19) کلیک کنید

مشخصات

عنوان:

تخمین مقاومت فشاری بتن حاوی پساب آندزیتی با استفاده از شبکه عصبی



گروه تخصصی:  فنی و مهندسی

سازمان مجری:  شرکت کانی بردینه سنندج (سهامی خاص) 

گروه پژوهشی: 

پژوهشگران: 
تاریخ خاتمه:  تیر 1398

کارفرما: شرکت کانی بردینه سنندج

خروجی طرح: 
 
تلفن: 

نشانی سازمان مجری: 
 

چکیده:

استفاده از مصالح ساختمانی دارای بیشینه ای بسیار از عصر نو سنگی تا به امروز می باشد، بتن یکی از رایج ترین مصالح ساختمانی بوده که به دلیل استحکام مناسب ان، اهمیت روز افزونی پیدا کرده است، در سال های اخیر به منظور سبک سازی سازه های بتنی، مصالح و افزودنی های مختلفی پیشنهاد شده است. پساب آندزیتی ماده معدنی مورد بررسی در این تحقیق که از ان به عنوان افزودنی بتن یاد شده به منظور سبک سازی بتن استفاده شده است. به صورت معمول پودر پساب آندزیتی کاربرد آنچنانی در مصالح ساختمانی ندارد و در مقابل از درشت دانه پرلیت در سایز های مختلف بهره گرفته می شود. استفاده از پودر پرلیت در بتن را می توان در قالب طرح اختلاتی جدید معرفی نمود. استفاده مجدد از پودر پساب آندزیتی و شناخت خصوصیات مکانیکی مصالح تولیدی از این قبیل می تواند موثر واقع گردد. در این پژوهش، مدل فشاری ازمایشات عملی نشان داده طرح اختلاط شماره 8 با منحی دانه بندی اندرسون اصلاح شده با 30 کیلوگرم پساب و نسبت سیمان به اب بیشتر، مقاومت 35. 3مگا پاسکال و این بیانگر منحنی دانه بندی ایده ال است. همچنین با بهره گیری از دانه بندی مناسب می توان پایداری بتن را در بازه 3 روزه با 380کیلوگرم سیمان و با مقاومت فشاری40. 16مگا پاسکال یافت. همچنین طبق شبکه های عصبی پرسپترون (MLP) و پایه شعاعی (RBF)به عنوان روشی برای پیش بینی پارامتر مقاومت فشاری بتن سبک حاوی پساب آندزیتی ارائه شده. با بهره گیری از شبکه های عصبی و متعاقباً ایجاد رابطه منطقی بین متغیر های ورودی و خروجی، سپس با ارزیابی دقت شبکه، و مقایسه دو روش MLP و RBF این نتیجه حاصل شد نتایج نمودار های RBF با میانگین 70 درصد بیانگر عملکرد ضعیف این روش در پیش بینی داده ها است، نتایج نمودار های MLP با میانگین 97 درصد بیانگر کار امدی این روش در پیش بینی داده ها می باشد.، شبکه عصبیMLP دارای دقت بیشتر نسبت به RBF جهت تخمین مقاومت فشاری می باشد. از داده های خروجی شبکه عصبیMLP می توان به عنوان یک ابزار مؤثر برای پیش بینی مقاومت فشاری بتن حاوی پرلیت استفاده کرد.



کلیدواژگان: پرلیت,مقاومت فشاری,بتن سبک,شبکه عصبی,RBF.,مصالح ساختمانی,MLP

 
 
Title:



Abstract:

Keyword(s):