جستجوی بهترین مدل‌های معماری در شبکه عصبی برای مدلسازی پارامترهای مکانیکی نرمال شده بتن

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی‌ عمران‌، دانشکده عمران و نقشه برداری، دانشگاه آزاد اسلامی، قزوین، ایران

2 گروه مهندسی عمران، واحد ملارد، دانشگاه آزاد اسلامی، ملارد، تهران، ایران

3 گروه مهندسی عمران‌، دانشکده عمران و نقشه برداری، دانشگاه آزاد اسلامی، قزوین، ایران

4 گروه مهندسی عمران و معماری، دانشکده فنی و مهندسی، دانشگاه رجاء، قزوین، ایران

10.22034/tri.2021.137050

چکیده

در این پژوهش به منظور ارزیابی عملکرد شبکه عصبی، از دو مدل شبکه عصبی MLP و شبکه عصبی RBF در راستای پیش بینی مقاومت های خمشی، کششی و فشاری استفاده شد. داده های مورد استفاده، از نتایج مدل­های برازش شده بر نتایج آزمایشات انجام شده بر روی نمونه­های بتن غلتکی حاوی مقادیر مختلف خرده لاستیک بازیافتی، خاکستر بادی و نانوسیلیس بر اساس آزمایشات مقاومت فشاری، خمشی و کششی گرفته شده است. انواع مختلفی از شبکه­های عصبی مصنوعی برای پیش بینی انواع مقاومت بتن استفاده شده­اند. در هر قسمت ساختار شبکه عصبی مورد استفاده به همراه جدول اطلاعات ورودی و نتایج خروجی آن شبکه آورده شده است. در هر نوع شبکه عصبی از تعداد لایه­ها و تعداد نرون­های مختلفی برای مدلسازی استفاده شده است. در جداول،
ردیف­های سبزرنگ نشان‎دهنده‎ی بهترین ساختاری است که توانسته به خوبی مقاومت­های بتن را پیش بینی کند. همچنین بهترین نتیجه (کمترین خطا و بالاترین ضریب همبستگی) با درنظرگرفتن عملکرد شبکه در پیش بینی همزمان انواع مقاومت انتخاب شده است. نتایج مقاومت های فشاری و کششی، در یک راستا بوده و عموماً هم راستا می­باشد ولی مقاومت خمشی معمولا نتایج متفاوتی را از خود نشان داده است.

کلیدواژه‌ها


عنوان مقاله [English]

Search for the Best Architectural Models in Neural Network for Modeling Normalized Mechanical Parameters of Concrete

نویسندگان [English]

  • Seyed Amir Hosein Hashemi 1
  • Alireza Ameli 2
  • Seyed Mohammad Javad Shafiei Shalke 3
  • ElaheSadat Hashemi 4
1 Department of Civil Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran.
2 Department of Civil Engineering, Malard Branch, Islamic Azad University, Malard, Tehran, Iran.
3 Department of Civil Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran.
4 Department of Civil Engineering and Architecture, Faculty of Engineering, Raja University, Qazvin, Iran.
چکیده [English]

In this study, in order to evaluate the performance of neural network, two models of MLP neural network and RBF neural network were used to predict flexural, tensile and compressive strengths. The data used are taken from the results of models fitted to the results of tests performed on roller concrete samples containing different amounts of recycled crumb rubber, fly ash and nanosilica based on compressive, flexural and tensile strength tests. Different types of artificial neural networks have been used to predict the types of concrete strength. In each section, the structure of the neural network used is given along with the table of input information and output results of that network. In each type of neural network, the number of layers and the number of different neurons have been used for modeling. In the tables, the green rows represent the best structure that has been able to predict the strength of concrete well. Also, the best result (lowest error and highest correlation coefficient) has been selected by considering the network performance in simultaneous prediction of resistance types. The results of compressive and tensile strengths are in the same direction and generally in the same direction, but flexural strength usually shows different results.

کلیدواژه‌ها [English]

  • model
  • Architecture
  • Neural Network
  • mechanical parameters
  • Concrete
اسکندری، ح. و ضیائی­نیا، ع.، (1393)، "بتن توانمند، بهینه‌سازی پویا و تأثیرات خوردگی"، دانشگاه تربیت معلم  سبزوار، دانشکده مهندسی.
-شکری، ف. حقیقی، ف.، امیری، م. و اشرافیان، ع.، (1398­)­، "بررسی مدل سازی مقاومت فشاری بتن سبک فوم با استفاده از روش‌های شبکه عصبی مصنوعی و ماشین‌های بردار پشتیبان"، چهارمین کنفرانس بین المللی پژوهش‌های نوین در عمران، معماری، مدیریت شهری و محیط زیست.
-غلام­زاده، ع. و برنجیان، ج.، (1397)، "پیش­بینی مقاومت فشاری بتن خودتراکم توسط شبکه عصبی مصنوعی المان همراه با دو مجموعه متفاوت از پارامترهای ورودی"، نشریه علمی – پژوهشی مهندسی سازه و ساخت، دوره 5، شماره 4، ص.178-162.
-"کلینیک بتن ایران"، (1397)، "بررسی تاثیر میکروسیلیس بر مقاومت فشاری و کششی بتن سبک الیافی".
-مجتبوی، س.ع. مسیبی، س.ح.ر.، بنی هاشمی، م.ر.، (1397)، "بررسی ارزیابی مشخصات مکانیکی بتن الیافی هیبریدی تقویت شده با الیاف فولادی و شیشه"، دومین کنفرانس ملی مهندسی عمران، معماری و شهرسازی.
-Badogiannis, E. G., Christidis, Κ. I., & Tzanetatos, G. E., (2019), “Evaluation of the mechanical behavior of pumice lightweight concrete reinforced with steel and polypropylene fibers”, Construction and Building Materials, 196, pp.443-456.
-Chen, C. T., Chang, J. J., & Yeih, W. C., (2014), “The effects of specimen parameters on the resistivity of concrete”, Construction and Building Materials, 71, pp.35-43.
-Chen, Y. Y., Chen, C. T., & Wang, H. Y., (2019), “Study on the influence of the average lubricant quantity of aggregates on the concrete engineering properties”, Construction and Building Materials, 217, pp.321-330.
-Choi, W. C., & Yun, H. D., (2012), “Compressive behavior of reinforced concrete columns with recycled aggregate under uniaxial loading”, Engineering structures, 41, pp.285-293.
-Gelardi, G., & Flatt, R. J., (2016), “Working mechanisms of water reducers and super plasticizers”, In Science and technology of concrete admixtures, Woodhead Publishing, pp. 257-278.
-Hassan, A. M. T., Mahmud, G. H., Mohammed, A. S., & Jones, S. W., (2021), “The influence of normal curing temperature on the compressive strength development and flexural tensile behavior of UHPFRC with Vipulanandan model quantification”, In Structures, Vol. 30, Elsevier, pp. 949-959.
-Kabantsev, O. V., Pesin, K. O., & Karlin, A. V., (2017), “analysis of stress-strain state of reinforced concrete plate around support zones” International Journal for Computational Civil and Structural Engineering, 13(1), pp.55-62.
-Kondratiev, A. V., Gaidachuk, V. E., & Kharchenko, M. E., (2019), “Relationships between the ultimate strengths of polymer composites in static bending, compression, and tension”, Mechanics of Composite Materials, 55(2), pp.259-266.‏
-Lehner, P., & Konecny, P., (2015), “Analysis of Durability of High Performance and Ordinary Concrete Mixtures with Respect to Chlorides”, Applied Mechanics and Materials, pp.769, 281.
-Sadrinejad, I., Madandoust, R., & Ranjbar, M. M., (2018), “The mechanical and durability properties of concrete containing hybrid synthetic fibers”, Construction and Building Materials, 178,
pp.72-82.
-Silvestro, L., & Gleize, P. J. P., (2020), “Effect of carbon nanotubes on compressive, flexural and tensile strengths of Portland cement-based materials: A systematic literature review”, Construction and Building Materials, pp.264-265.
-Sümer, Y., & Aktaş, M., (2015), “Defining parameters for concrete damage plasticity model”, Challenge Journal of Structural Mechanics, 1(3), pp.149-155.