بخشی از مقاله
چکیده:
پیش بینی مقاومت فشاری بتن همواره مورد توجه محققان و مهندسان بوده است، این پیش بینی باعث می شود که هزینه کمتری در ساخت و آزمایش نمونه های بتنی صرف شود. یکی از بهترین روشهای پیش بینی در گرایشات فنی استفاده از شبکه های عصبی می باشد، این شبکه ها متشکل از نورون های عصبی هستند و می توانند بهینه ترین حالت نمونه ها را نیز پیدا کنند. در این تحقیق به مقایسه چند روش پیش بینی مبتنی بر شبکه عصبی در مورد مقاومت فشار بتن پرداخته می شود ، البته تمامی روش های مذکور از دقت مناسب برخودار بوده اند که مناسب ترین آنها برای نمونه های بتنی انتخاب و پیشنهاد خواهد شد.
-1 مقدمه
شبکه عصبی مصنوعی1 یا به اختصار ANN ایده ایست برای پردازش اطلاعات که از سیستم عصبی زیستی الهام گرفته شده و مانند مغز به پردازش اطلاعات می پردازد. ANN ها نظیر انسان ها با استفاده از مثال آموزش می بینند. یک ANN برای انجام وظیفه ای مشخص، مانند شناسایی الگوها، دسته بندی اطلاعات و تقریب تابع در طول یک پروسه یادگیری تنظیم می شود.
از مهم ترین کاربردهای شبکه عصبی در مهندسی عمران تخمین توابع غیر خطی با دقتی مناسب می باشد. معمولا با استفاده از داده های واقعی، خروجی شکبه عصبی مصنوعی به خروجی هدف تعیین شده سوق می بابد.
شبکه عصبی اولین بار توسط مک کلاث و پیتز2 در سال 1943 ارائه شد و اولین شبکه عصبی با بکارگیری چند نرون ساده تهیه گردید که قدرت محاسباتی قابل توجهی داشت
جانگ3 و همکاران در سال 1993 با در نظر قراردادن توانایی های تئوری فازی - که توسط دانشمند ایرانی تبار پروفسور لطفی عسکرزاده4 عرضه شده - و شبکه عصبی، مدل استنتاج فازی – عصبی تطبیقی را ارئه کردند.[4] مقاومت فشاری بتن یکی از مشخصات مهم مکانیکی بتن است که در پروژه های ساختمانی چه در مرحله طرح اختلاط و اجرا و چه بعد از اجرا جهت اطمینان از کافی بودن مقاومت بتن همواره مورد توجه بوده است.
امروزه ازریابی بتن از نظر کنترل کیفی با استفاده از روش های غیر مخرب با توجه به مواردی از جمله تردید در مقاومت نمونه های استاندارد، آسیب های موضعی و تاثیرات شیمیایی و از طرفی به دلیل پایین بودن هزینه و زمان آزمایش و سهولت انجام آن در مقایسه با روش های مخرب و نیمه مخرب مورد توجه مهندسین در تمام دنیا قرار گرفته و تکنیک های مختلفی از این دسته تاکنون پذیرفته شده است.[5] در این بین روش سرعت امواج اولترا سونیک یکی از مهمترین و متداول ترین این روش ها محسوب می شود
استفاده از مدل های ریاضی و تکاملی همچون منطق فازی، شبکه عصبی و الگوریتم ژنتیک که قابلیت پایه ریزی به مبنای مطالعات آزمایشگاهی را دارند توسعه یافته است9]،.[8در این تحقیق چهار روش عصبی و عصبی فازی که برای پیش بینی مقاومت فشاری بتن در شرایط مختلف مورد استفاده قرار گرفته اند مقایسه می شوند دقیق ترین و بهینه ترین روش معرفی و ارائه می گردد.
-2 معرفی شبکه عصبی و سیستم فازی
شبکه عصبی مصنوعی به واقع یک سیستم داده پردازی اطلاعات است که دارای خصوصیات اجرایی خاصی همانند شبکه عصبی انسان می باشد. در واقع شبکه های عصبی مصنوعی از تعمیم یافتن مدل های ریاضی شبکه های عصبی انسان براساس فرضیات زیر توسعه یافته اند:
-1داده پردازی اطلاعات در اجزاء ساده به نام نرون صورت می گیرد.
-2اطلاعات بین نرون ها از طریق ارتباطات بین آنها رد و بدل می شود.
-3هریک از این رابطه ها دارای مشخصه ای - وزن - مختص به خود هستند در اطلاعات انتقال یافته از یک نرون به نرون دیگر ضرب می گردند.
-4هریک از نرون ها برای محاسبه خروجی خود یک تابع تحریک را که معمولا که غیر خطی است به ورودی هایش اعمال می نماید. عموما نرون های یک لایه بطور یکسان عمل می نمایند و پارامتر اصلی در تعیین رفتار یک پردازشگر تابع تحریک مربوط به آن همراه و رابط های وزن داری است که اطلاعات از طریق آنها دریافت و ارسال می گردند.
معمولا در هر لایه نرون ها دارای تابع تحریک یکسان بوده و طریقه ارتباط آنها به سایر نرون ها یکسان می باشد برای بیان دقیق تر مطلب در شبکه های عصبی نرون های یک لایه به طور کامل مرتبط هستند و یا این ارتباط وجود ندارد. ترتیب نرون ها در لایه ها و طریقه ارتباط در داخل لایه ها و بین لایه ها، ساختار شبکه نامیده می شود. بسیاری از شبکه های عصبی دارای یک لایه ورودی هستند بطوریکه پاسخ هر واحد برابر با ورودی اعمال شده از خارج از شبکه می باشد در تعیین تعداد لایه ها، لایه نرون های ورودی به عنوان یک لایه محسوب نمی گردد زیرا هیچگونه محاسبه ای در آن ها انجام نمی گیرد. به عبارت دیگر تعداد لایه های یک شبکه برابر با تعداد ارتباط های وزن دار بین لایه ها می باشد.
سیستم فازی
مهمترین ویژگی منطق فازی در مقایسه با منطق کلاسیک این است که دانش و تجربه بشر را می تواند در قالب روابط ریاضی بیان نماید. این مهم باعث گردیده است که مسایل موجود در دنیای واقعی را به خوبی بتوان با استفاده از آن مدل سازی نمود. برای توسعه سیستم استنتاج فازی از عملگرهای استلزام فازی و ترکیب روابط فازی استفاده می گردد. استفاده از سیستم استنتاج فازی در پژوهش های مربوط به بتن و پیش بینی نتایج حاصل از آزمایش ها در موارد متعددی با موفقیت انجام پذیرفته است.
