M. Abdullah, S., Salim T. Yousif, D. (2009). Artificial Neural Network Model for Predicting CompressiveStrength of Concrete. , 16(3), 55-63.
Salwa M. Abdullah; Dr. Salim T. Yousif. "Artificial Neural Network Model for Predicting CompressiveStrength of Concrete". , 16, 3, 2009, 55-63.
M. Abdullah, S., Salim T. Yousif, D. (2009). 'Artificial Neural Network Model for Predicting CompressiveStrength of Concrete', , 16(3), pp. 55-63.
M. Abdullah, S., Salim T. Yousif, D. Artificial Neural Network Model for Predicting CompressiveStrength of Concrete. , 2009; 16(3): 55-63.

Artificial Neural Network Model for Predicting CompressiveStrength of Concrete

Tikrit Journal of Engineering Sciences
Article 1, Volume 16, Issue 3, 2009, Pages 55-63    PDF (0 K)
Authors
Salwa M. Abdullah; Dr. Salim T. Yousif
Abstract
تعتبر مقاومة انضغاط الخرسانة من المعايير المستخدمة في إنتاج الخرسانة. ان فحص مقاومة الانضغاط لنماذج الخرسانة من الأمور الروتينية لكنه يستحصل بعد 28 يوم من عملية الصب، لذلك فان تخمين مقاومة الخرسانة في وقت مبكر من الأمور المهمة. هذه الدراسة محاولة لاستخدام تقنية الشبكات العصبية الاصطناعية للتنبؤ بمقاومة انضغاط الخرسانة اعتمادا على مكونات المزجة والحجم الأكبر للركام وهبوط الخرسانة الطرية. تم تكوين نموذج الشبكة العصبية الاصطناعية المعتمدة على خوارزمية التجميع التراجعي بنجاح وتم تدريبه و فحصه باستخدام بيانات حقيقية جمعت من دراسات سابقة. فحص النموذج ببيانات غير مستخدمة في تدريب النموذج وضمن حدود البيانات الداخلة أظهر أن أعظم خطأ مطلق للنتائج كان بحدود 20% وأن 88% من النتائج فيها خطأ اقل من 10% . أظهرت دراسة أهمية العوامل الداخلة في النموذج أن نسبة الماء إلى الأسمنت (w/c)أهم عامل مؤثر في التنبؤ بمقاومة الخرسانة، كما أظهرت النتائج أن الشبكات العصبية أداة عملية قوية للتنبؤ بمقاومة انضغاط الخرسانة. الكلمات الدالة: الشبكات العصبية الاصطناعية, مقاومة الانضغاط, خرسانة, مزجة, تنبؤ
Statistics
Article View: 120
PDF Download: 146


Journal Management System. Powered by iJournalPro.com