پيش بيني اسلامپ بتن با استفاده از مدل شبكه عصبي مصنوعي و روش رگرسيون چند متغيره خطي

كارايي بتن از اهميت بسيار بالايي برخورداراست. روش‌هاي مختلفي جهت اندازه گيري كارايي بتن وجود دارد كه يكي از متداول‌ترين و معمول‌ترين روش‌هاي اندازه گيري آن، آزمايش اسلامپ است. جهت دست يابي به مخلوط‌هاي بتني با اسلامپ مورد نظر، بايد مخلوط‌هاي مختلف بتني ساخته شود و آزمايش اسلامپ بر روي آن‌ها صورت گيرد. جهت صرفه جويي در زمان، هزينه و مصالح، بهتر است از روش‌هاي هوشمندي جهت پيش بيني اسلامپ بتن بر اساس نتايج مربوط به تعداد معيني از مخلوط‌هاي بتني مورد استفاده شود. در پژوهش حاضر روش رگرسيون چند متغيره خطي و مدل شبكه عصبي مصنوعي جهت پيش بيني اسلامپ بتن مورد ارزيابي قرار گرفته و نتايج از لحاظ دقت و كارايي مقايسه مي شوند. شبكه عصبي مورد استفاده در اين مقاله از نوع پرسپترون چند لايه ((MLP پيشخورد با الگوريتم يادگيري پس انتشاراست. نتايج نشان مي‌دهد مقادير پيش بيني شده اسلامپ بتن توسط مدل شبكه عصبي مصنوعي داراي ضريب همبستگي بالاتر و همچنين ميانگين مربعات خطا و ميانگين خطاي مطلق كم‌تري نسبت به مقادير حاصل از روش رگرسيون خطي است.