مقاله تخمین مقاومت فشاری بتن حاوی خاکستر بادی با استفاده از شبکه های عصبی مصنوعی و منطق فازی (2015 الزویر)

1. مقدمه

2. شبکه های عصبی مصنوعی

2.1. ساختار و پارامتر های مدل شبکه عصبی

3. منطق فازی

3.1. سیستم استنتاج منطق فازی

3.2. مدل سیستم استنتاج منطق فازی

4. نتایج و بحث

5. نتیجه گیری

In this study, artificial neural networks and fuzzy logic models for predicting the 7, 28 and 90 days compressive strength of concretes containing high-lime and low-lime fly ashes have been developed. For purpose of constructing these models, 52 different mixes with 180 specimens were gathered from the literature. The data used in the artificial neural networks and fuzzy logic models are arranged in a format of nine input parameters that cover the day, Portland cement, water, sand, crushed stone I (4–8 mm), crushed stone II (8–16 mm), high range water reducing agent replacement ratio, fly ash replacement ratio and CaO, and an output parameter which is compressive strength of concrete. In the models of the training and testing results have shown that artificial neural networks and fuzzy logic systems have strong potential for predicting 7, 28 and 90 days compressive strength of concretes containing fly ash.

در این مطالعه، مدل های شبکه های عصبی مصنوعی و منطق فازی برای تخمین مقاومت های 7، 28 و 90 روزه بتن های حاوی خاکستر بادی با آهک بالا و آهک پایین، توسعه داده شده اند. با هدف ساخت این مدل ها، 52 مخلوط مختلف با 180 نمونه از مقالات جمع آوری شد. داده های استفاده شده در مدل های شبکه عصبی مصنوعی و منطق فازی در یک فرمت ورودی 9 پارامتری مرتب شده اند که روز، سیمان پرتلند، آب، ماسه، سنگ شکسته 1 (4-8 میلیمتر)، سنگ شکسته 2 (8-16 میلیمتر)، نسبت جایگزینی عامل کاهنده آب با محدوده زیاد، نسبت جایگزینی خاکستر بادی و CaO ، و یک پارامتر خروجی که مقاومت بتن است، را پوشش می دهد. در مدل های آزمون و تست، نتایج نشان می دهند که سیستم های شبکه عصبی مصنوعی و منطق فازی پتانسیل زیادی برای تخمین مقاومت فشاری 7، 28 و 90 روزه بتن حاوی خاکستر بادی هستند.