پیش بینی مقاومت فشاری مصالح بنایی با استفاده از شبکه عصبی

مصالح بنایی به دلیل برخورداری از سهولت در ساخت و هزینه کمتر در قیاس با سایر مصالح، به عنوان یکی از قدیمی‌ ترین و پرکاربردترین مصالح در صنعت ساختمان به شمار می‌ آیند. به علت ضعف ساختاری مصالح بنایی در تحمل کشش، مطابق تصریح آیین‌ نامه‌ ها، این مصالح تنها برای فشار طرح می‌ گردند. از این جهت، تعیین مقاومت فشاری دقیق آن ها از اهمیت ویژه ای برخوردار است. با این وجود، هم چنان روش محاسباتی دقیقی برای تعیین مقاومت فشاری آن بر اساس خصوصیات هندسی و مکانیکی ارائه نشده‌ است. علت این موضوع وجود رفتار کاملاً غیرخطی میان مقاومت فشاری و خصوصیات هندسی و مکانیکی اجزای مصالح بنایی است.

در این مقاله، کاربرد شبکه عصبی مصنوعی (Artificial Neural Network) در پیش‌ بینی مقاومت فشاری مصالح بنایی مورد بررسی قرار گرفته است.

تست آزمایشگاهی مقاومت فشاری مصالح بنایی

اطلاعات ورودی

صحت اطلاعات ورودی به شبکه عصبی برای به دست‌ آوردن نتایج صحیح و قابل اطمینان از اهمیت ویژه‌ ای برخوردار است و ورود اطلاعات زیاد لزوماً به معنی داشتن اطلاعات خوب و نتایج معتبر نیست؛ بنابراین برای دستیابی به یک پایگاه داده مناسب و کافی، داده‌ های آزمایشی 21 مطالعه پژوهشی انتخاب شده‌ است. در این داده‌ ها علاوه‌ بر مقاومت فشاری آجر، مقاومت فشاری ملات، نسبت ارتفاع به ضخامت نمونه دیوار بنایی، درصد حجمی آجر و درصد حجمی ملات در کف ردیف‌ های افقی نیز به ثبت رسیده‌ است.

پارامترهای ورودی و خروجی استفاده شده در توسعه شبکه عصبی
معماری شبکه عصبی مصنوعی
نتایج مقاومت فشاری بر اساس داده‌های آزمایشگاهی و مدل شبکه عصبی

بررسی نتایج

نتایج مقایسه آماری مدل شبکه عصبی با مدل‌ های تجربی پیشنهادی از سوی پژوهشگران و هم چنین آیین‌ نامه یوروکد 6 (EC6) در شکل زیر آورده شده‌ است. در این شکل در هر قسمت نتایج دقیق آزمایشگاهی با نتایج حاصل از مدل‌ های مذکور مقایسه شده‌ است. با توجه به این نتایج مشخص می‌گردد که مدل پیشنهادی با شبکه عصبی مصنوعی در مقایسه با سایر مدل‌ های تحلیلی نتایج قابل اطمینان‌ تری را ارائه می‌ دهد.

تصویر راست: مدل تایکاویل و توماس، 2018
تصویر چپ: مدل پیشنهادی با شبکه عصبی مصنوعی
تصویر راست: دیمیوتیس و گاتلدرر، 2002
تصویر چپ: بنت و همکاران، 1997
تصویر راست: یوروکد 6، 2005
تصویر چپ: مان، 1982