اخبار و اعلانات
آمار
| تعداد نشریات | 38 |
| تعداد شماره‌ها | 1,258 |
| تعداد مقالات | 9,115 |
| تعداد مشاهده مقاله | 8,329,037 |
| تعداد دریافت فایل اصل مقاله | 5,042,159 |
آنالیز حساسیت در مدلسازی مقاومت فشاری بتن سبز با خاکستر کوره زباله‌سوزی به روش یادگیری عمیق | ||
| مهندسی عمران و فناوری‌های نوین | ||
| دوره 3، شماره 3، شهریور 1403 | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| محمد امامی کورنده* 1؛ سعید فرخی زاده1؛ حسین گنجی دوست2 | ||
| 1استادیار، گروه مهندسی عمران، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران | ||
| 2استادگروه مهندسی محیط زیست، دانشگاه تربیت مدرس، تهران، ایران | ||
| تاریخ دریافت: 03 تیر 1403، تاریخ بازنگری: 30 مرداد 1403، تاریخ پذیرش: 30 مرداد 1403 | ||
| چکیده | ||
| بتن اکو یا سبز حاصل از استفاده خاکستر زباله سوزی یا سبک به جای سیمان، تمامی ویژگی‌های بتن معمولی را دارا می‌باشد. مرحله اول فعالیت و برنامه آزمایشگاهی برای دستیابی به طرح اختلاط، میزان تغییر وزن و مقاومت بتن سبز روشن است که با انجام آزمایش های مقاومت فشاری بتن انجام شده است. این مقاله یک روش تحقیق ترکیبی آزمایشگاهی و عددی داشته که در چند مرحله انجام شده و نهایتا به آنالیز حساسیت مدل یادگیری عمیق حاصل از نتایج این تحقیق می‌پردازد. برنامه آزمایشگاهی جهت تکمیل بانک اطلاعاتی در مدلسازی یادگیری عمیق به کمک شبکه عصبی مصنوعی (CNN) و الگوریتم بهینه‌سازی چند مقداره (MVO) تکمیل شده است. نتایج مرحله اول نشان داد که تاثیرگذاری معنادار خاکستر کوره زباله‌سوزی در مقاومت فشاری بتن قابل مشاهده است. همچنین نتایج مدلسازی یادگیری عمیق نشان داد که: ضریب رگرسیون (R) برابر 90 درصد در این مدلها نشان دهنده کارایی مناسب روش یادگیری عمیق در مدلسازی طرح مخلوط حاضر است و شاخص خطا نیز در نتایج گزارش شده و در این شاخص نیز مشاهده می‌گردد که روش مدلسازی یادگیری عمیق به کار رفته با میانگین 14/0 بهترین عملکرد را داشته است. نتایج آنالیز حساسیت بر روی مدل بهینه معرفی شده نشان داد که در مقایسه اثر پنج پارامتر ورودی برروی مقاومت فشاری حاصله می‌توان گفت که با توجه به فاصله دسته‌های آماری از خط پایه، مقادیر درصدها و مقادیر میانگین می‌توان گفت که وزن سیمان (W) بیشترین تأثیر را بر مقاومت فشاری داراست. | ||
| کلیدواژه‌ها | ||
| بتن سبز؛ خاکستر زباله سوزی؛ یادگیری عمیق؛ آنالیز حساسیت | ||
|
آمار تعداد مشاهده مقاله: 120 |
||