پیشبینی مقاومت فشاری بتن حاوی خاکستر بادی با استفاده از مدلهای یادگیری ماشین | ||
| نشریه مهندسی عمران امیرکبیر | ||
| دوره 58، شماره 1، فروردین 1405 اصل مقاله (4.05 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2026.23989.8242 | ||
| نویسندگان | ||
| الهه مؤذنی؛ یاسر مودی* | ||
| دانشکده مهندسی عمران، دانشگاه صنعتی سیرجان، سیرجان، ایران | ||
| چکیده | ||
| خاکستر بادی در نتیجه فرایند احتراق ذغالسنگ در نیروگاه های حرارتی به عنوان یکی از محصولات جانبی به دست میآید. خاکستربادی ذرات بسیار ریز و میکروسکوپی دارد که معمولاً از ترکیب مواد معدنی مانند سیلیسیم دی اکسید، آلومینیوم اکسید و آهن اکسید تشکیل شده است. این ترکیبات باعث میشوند که از خاکستربادی در صنایع مختلف، به ویژه در صنعت بتن، استفاده شود. ازکاربرد های خاکستربادی میتوان به افزودنی به بتن، پرکننده در آسفالت، ساخت آجر و بلوکهای بتنی و جذب آلاینده ها اشاره نمود. خاکستربادی به عنوان یک ماده پوزولانی، به کاهش تولید کربن دیاکسید در فرآیند تولید سیمان کمک میکند. در این مطالعه ابتدا یک پایگاه داده ای جامع از مطالعات گذشته در خصوص بتن حاوی خاکستر بادی جمع آوری شد. این داده ها شامل ۵۹۹ نمونه از مطالعات آزمایشگاهی معتبر بود. مجموعه دادههای جمعآوری شده شامل متغیرهای ورودی مختلفی از جمله نسبت آب به سیمان، مقدار خاکستر بادی، میزان سیمان، مقدار درشتدانه ها، مقدار ریزدانه ها، میزان روانکننده و سن عملآوری بتن میباشد. برای پیشبینی مقاومت فشاری بتن ها، از الگوریتم های مختلف یادگیری ماشین از جمله برنامهریزی ژنتیک)1(GP، سیستم استنتاج منطق فازی- عصبی)2(ANFIS، پرسپترون چندلایه)3(MLP، شبکه عصبی شعاعی پایه)4(RBF، کریجینگ(Kriging) و شبکههای عصبی تک لایه)5(ELM استفاده شده است. همچنین، دقت هر مدل با استفاده از شاخصهای آماری ارزیابی شده و بهترین مدل معرفی گردید. نتایج نشان میدهد که مدلهای مختلف یادگیری ماشین عملکردهای متفاوتی در پیشبینی مقاومت فشاری دارند. به ویژه روش کریجینگ (Kriging)با ضریب همبستگی 96/0 به عنوان بهترین مدل انتخاب گردید. | ||
| کلیدواژهها | ||
| بتن؛ خاکستر بادی؛ مقاومت فشاری؛ مدل پیش بینی؛ تکنیکهای یادگیری ماشینی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 96 تعداد دریافت فایل اصل مقاله: 112 |
||
| تعداد نشریات | 9 |
| تعداد شمارهها | 455 |
| تعداد مقالات | 5,771 |
| تعداد مشاهده مقاله | 8,384,050 |
| تعداد دریافت فایل اصل مقاله | 6,942,077 |