TY - JOUR ID - 1401 TI - پیش بینی مقاومت فشاری بتن حاوی خاکستر بادی، میکروسیلیس و سرباره ی مس با استفاده از روش های آماری ، شبکه ی عصبی مصنوعی و منطق فازی JO - مجله ی مهندسی عمران شریف JA - J30 LA - fa SN - 2676-4768 AU - فتحی, مجتبی AU - رستمی, صغری AU - خرمی, محمدسعید AD - دانشکده فنی و مهندسی، دانشکده ی عمران - دانشگاه رازی Y1 - 2018 PY - 2018 VL - 34.2 IS - 3.2 SP - 83 EP - 92 KW - مقاومت فشاری بتن KW - شبکه‌ی عصبی مصنوعی KW - تحلیل رگرسیون KW - ضریب همبستگی KW - میانگین مربعات خطا DO - 10.24200/j30.2018.1401 N2 - در پژوهش حاضر، به پیش‌بینی مقاومت فشاری بتن حاوی پوزولان به کمک شبکه‌ی عصبی مصنوعی و تحلیل رگرسیون پرداخته شده است. اطلاعات به کاررفته شامل ۸۰ نمونه است که مقاومت فشاری ۷ و ۲۸ روزه‌ی آن‌ها تعیین شده است. در بخش شبکه‌ی عصبی مصنوعی از یک شبکه‌ی پرسپترون چند لایه با الگوریتم‌های متفاوت آموزشی پس انتشار خطا و تعریف یک یا چند لایه‌ی مخفی و تعداد ۷ نورون در لایه‌ی ورودی و ۱ نورون در لایه‌ی خروجی استفاده شده است. دو معیار ضریب همبستگی و میانگین مربعات خطا به عنوان پایه برای انتخاب شبکه‌ی بهینه در نظر گرفته شدند و نهایتاً یک مدل برای پیش‌بینی مقاومت فشاری ۷ و ۲۸ روزه‌ی بتن ارائه شد. منطق فازی، روشی دیگر برای پیش‌بینی مقاومت فشاری بتن است. در مطالعه‌ی حاضر با دقت بسیار مناسبی اقدام به پیش‌بینی مقاومت فشاری بتن به کمک تحلیل فازی شده است. در تحلیل رگرسیون پس از تعیین توابع توزیعات احتمال داده به منظور نرمال‌سازی اطلاعات به کمک نرم‌فزار M‌A‌T‌L‌A‌B، معادله‌ی بهینه برای تعیین مقاومت فشاری بتن ارائه شده است. نتایج نشان داد که شبکه‌ی عصبی با الگوریتم لونبرگ مارکوارت، بهترین دقت و تحلیل رگرسیون و کمترین دقت را برای تعیین مقاومت فشاری بتن دارند. UR - https://sjce.journals.sharif.edu/article_1401.html L1 - https://sjce.journals.sharif.edu/article_1401_aae918c78bacc7a026ee9d740b0a4eae.pdf ER -