پيش بيني مقاومت فشاري بتنهاي حاوي خاكستر پوسته برنج با شبكه هاي عصبي مصنوعي

Prediction of compressive strength of concrete containing ash of rice husk with artificial neural networks

بتن بعنوان پر مصرف ترين و مهمترين مصالح ساختماني قرن بيستم معرفي شده است كه مواد تشكيل دهنده آن به وفور يافت ميشودبهينه سازي مصالح ساختماني از جمله بتن يكي از پايه هاي توسعة پايدار ميباشد و اصول ابتدايي آن بر صرفه جويي در استخراج منابع طبيعي، صرفه جويي در مصر ف انرژي، حفظ محيط زيست و به كارگيري ضايعات صنعتي و مواد مضر براي محيط زيست و.. استوار است. . پژوهشهاي بسياري در زمينه بتن با هدف رسيدن به مقاومت فشاري بالاتر، دوام و پايايي بيشتر و كاهش آلايندگي در ساخت بتن انجام گرفته است. علاوه بر تستهاي آزمايشگاهي متعدد، روشهاي رايانه اي بسياري را نيز به خدمت گرفتند. محققين در سراسر دنيا با روشهاي هوش مصنوعي و الگوريتمهاي برنامه ريزي به ارائه مدلهايي جهت پيش بيني پارامترهاي مختلف مصالح ساخت پرداخته تا توجه ويژه اي به اين مبحث محاسبات شود. تعيين مقاومت فشاري بتن اغلب از طريق آزمايشهاي مخرب صورت مي گيرد كه زمان بر و پر هزينه است. مدلهاي پيش بيني مقاومت فشاري بتن بدليل صرفه جويي در زمان و هزينه همواره مورد توجه محققين بوده اند. بويژه آنكه در دهه هاي اخير رشد دانش بشر در زمينه هوش مصنوعي منجر به گسترش مدلهاي پيش بيني مبتني بر هوش مصنوعي شده است. اما دستيابي به مدلي قابل اعتماد، چالش پيش روي پژوهشگران بوده و توجه آنان را به مقايسه دقت مدلهاي مختلف معطوف كرده است. اين مقاله؛ از ديدگاه هدف كاربردي – توسعه اي است كه با روش تحقيق تحليلي صورت پذيرفته است، هدف از اين پژوهش مقايسه نتايج آزمايشگاهي نمونه هاي بتني توليد شده با مصالح معمول بعلاوه خاكستر پوسته برنج، با پيش بيني بوسيله شبكه هاي عصبي مصنوعي مي باشد.

Concrete has been introduced as the most consumable and most important building material of the twentieth century. Its components are found to be abundant. Optimizing building materials, including concrete, is one of the foundations for sustainable development, and its basic principles are to save on the extraction of natural resources. In Egypt, energy conservation, environmental protection, and the use of industrial waste and harmful substances for the environment ... are based. . Many researches on concrete have been made to achieve higher compressive strength, durability and more reliability and reduce pollution in concrete production. In addition to numerous laboratory tests, many computer methods were also employed. Researchers around the world have been using artificial intelligence and programming algorithms to provide models for forecasting various parameters of construction materials in order to pay particular attention to this calculation issue. Specifying the compressive strength of concrete is often done through destructive tests that are time-consuming and costly. Concrete compressive strength prediction models have always been of interest to researchers due to saving time and cost. In particular, in recent decades, the development of human knowledge in the field of artificial intelligence has led to the expansion of AI-based prediction models. But achieving a trusted model is a challenge for researchers, and their focus is on comparing the accuracy of different models. The purpose of this research is to compare the experimental results of concrete samples produced with common materials, as well as rice husk ash, with prediction by artificial neural networks