کاربرد الگوریتم های هوش مصنوعی در پیش بینی مقاومت فشاری و دوام بتن های حاوی خاکستر بادی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 کاربرد الگوریتم های هوش مصنوعی در پیش بینی مقاومت فشاری و دوام بتن های حاوی خاکستر بادی دارای ۱۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد کاربرد الگوریتم های هوش مصنوعی در پیش بینی مقاومت فشاری و دوام بتن های حاوی خاکستر بادی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی کاربرد الگوریتم های هوش مصنوعی در پیش بینی مقاومت فشاری و دوام بتن های حاوی خاکستر بادی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن کاربرد الگوریتم های هوش مصنوعی در پیش بینی مقاومت فشاری و دوام بتن های حاوی خاکستر بادی :

تعداد صفحات :۱۶

چکیده مقاله:

در میان آزمایشات مربوط به بتن، آزمایش مقاومت فشاری به عنوان یک مشخصه مکانیکی و آزمایش تعیین نفوذ یون کلر به عنوان یک مشخصه دوام، حایز اهمیت ویژه ای در سازه های در معرض هجوم یون کلرمی باشد. از طرفی استفاده از پوزولان هایی همچون خاکستر بادی، دوام و خصوصیات مکانیکی را در بتن بهبود می بخشد. جایگزینی خاکستر بادی با سیمان در درصدهای مختلف و سنین متفاوت آزمایش، موجب افزایش مقاومت فشاری و دوام بتن در مقابل نفوذ یون کلر و کاهش مصرف سیمان و کمک به توسعه پایدار می گردد. از طرفی شبکه های عصبی مصنوعی و ماشین های بردار پشتیبان دو نمونه از الگوریتم های هوش مصنوعی هستند که می توانند برای پیش بینی خصوصیات مکانیکی و دوام بتن مورد استفاده قرار گیرند. هر دو روش از طریق آموزش بر اساس داده های موجود می توانند در پیش بینی مشخصات بتن جدید مورد استفاده قرار گیرند. در این مقاله از دو روش یاد شده برای پیش بینی مقاومت فشاری و میزان نفوذ یون کلر در بتن های حاوی خاکستر بادی استفاده شده است. در هر دو روش با تعریف مقدار خاکستر بادی، نسبت آب به مواد سیمانی، سن نمونه ها و نسبت آب به سیمان به عنوان ورودی و مقاومت فشاری و میزان نفوذ یون کلر به عنوان خروجی اعتبار سنجی انجام شده است. نتایج حاکی از آن است که روش ماشین بردار پشتیبان نسبت به روش شبکه عصبی مصنوعی در پیش بینی مقاومت فشاری و نفوذ یون کلر از درصد خطای کمتری برخوردار بوده به شکلی که در روش شبکه عصبی مصنوعی برای میزان نفوذ یون کلر میانگین خطا ها ۱۰ % وبرای مقاومت فشاری۳/۴%بیشتر از روش ماشین بردار پشتیبان است.