Modeling of Porous Concrete Mixing Plan using Artificial Neural Network

Document Type : Research Paper

Authors

1 Assistant Professor, Department of Civil Engineering, South Tehran Branch, Islamic Azad University, Tehran, Iran

2 Assistant Professor; Department of Civil Engineering, South Tehran Branch, Islamic Azad University, Tehran, Iran.

3 M.Sc., Department of Civil Engineering, South Tehran Branch, Islamic Azad University, Tehran, Iran

Abstract

Concrete is the most widely used material in the construction industry of the country. Porous concrete has always been the focus of researchers due to its special properties such as high permeability. The present article has determined the design of porous concrete mix with specific strength based on the laboratory program and modeling by using artificial neural network. The experiment program in this research started with 200 mixing plans in the field of porous cylindrical concrete and preparing a database and it was modeled by using different types of multilayer perceptron neural network (MLP). Evaluation indices including regression coefficient and mean square error have been used to check the efficiency of artificial neural network structures. The results showed that the regression coefficient in most of the structures used was above 85% and in the neural network with the optimal structure it was 95%. Also, the evaluated error index in the neural network with optimal structure is determined to be 0.121.

Keywords

Main Subjects

References

1- کلات جاری، و.، و منصوریان، پ.، 1387، دست یابی به بتن سبک سازه ای و بتن سبک مقاومت بالا با حداقل وزن، نشریه بین المللی مهندسی صنایع و مدیریت تولید (فارسی)(نشریه بین المللی علوم مهندسی), 19(9 (ویژه نامه مهندسی معدن، مواد و عمران)), 95-101. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=97982
2- انتظاری، ع.، و اسماعیلی، ج.، 1389، بررسی خصوصیات مکانیکی بتن سبک سازه ای، مهندسی عمران و محیط زیست (دانشکده فنی), 40(2 (پیاپی 62)), 1-12. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=220302
3- صدرممتازی، ع.، و نصرتی، ح.، 1391، بررسی روابط طراحی تیر بتن مسلح سبک سازهای حاوی سبک دانه های رس منبسط شده و پلی استایرن منبسط شده، تحقیقات بتن, 5، 2, 69-83. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=218809
4- اسماعیلی، ج.، و کسایی، ج.، و رستمی مهر، ع.، و آتش فراز، ب.، 1395، بررسی خصوصیات مقاومتی و انتقالی بتن سبک خودتراکم حاوی الیاف پلی پروپیلن، تحقیقات بتن, 9، 1, 39-55. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=284630
5-Emami M., 2014, Modelling and Prediction of Coarse Grained Alluvium behavior by pressuremeter test results and Laboratory chamber, Doctoral Dissertation, Tarbiat Modares University, Tehran. Iran
6- Emami M., 2009, Application of artifitial neural networks in pressuremeter test results, Master of Science thesis, Tarbiat Modares University. Tehran. Iran.
7- Hung Mo, K., Johnson Alengaram, U., Zamin Jumaat, M., and Poh Yap, S., 2015, Feasibility study of high volume slag as cement replacement for sustainable structural lightweight oil palm shell concrete, Journal of Cleaner Production, 91, 297-304. https://doi.org/10.1016/j.jclepro.2014.12.021.
8- قاسم زاده موسوی نژاد، س.، و قربانی شمشادسرا، ی.، 1397، تاثیر میکروسیلیس و نانوسیلیس بر خواص مکانیکی بتن سبک الیافی، مهندسی عمران (دانشکده مهندسی),  31، 2, 129-141. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=475025
9- Emami, M. and Yasrobi, S.S., 2014, Modeling and interpretation of pressuremeter test results with artificial neural networks, Geotechnical and Geological Engineering, 32, 2, 375-389.
10- Yasrebi, S. S., and Emami, M., 2008, Application of Artificial Neural Networks (ANNs) in prediction and interpretation of pressuremeter test results, In The 12th International Conference of International Association for Computer Methods and Advances in Geomechanics (IACMAG), 1634-1638.
11-Nodeh Farahani, J., Shafigh, P., and Bin Mahmud, H., 2017, Production of A Green Lightweight Aggregate Concrete by Incorporating High Volume Locally Available Waste Materials, Procedia Engineering, 184 Pages 778-783.  ,https://doi.org/10.1016/j.proeng.2017.04.158.
12- پوراحمدی صفت عربانی، ح.، و صدرممتازی، ع.، و میر گذار لنگرودی، م.، و عمویی، م.، و کهنی خشکبیجاری، ر.، 1398، ارزیابی عملی استفاده از بتن های سبک خودتراکم در احداث سازه های بتن آرمه، مهندسی سازه و ساخت، 6 ، 28, 193-204. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=571336
13- ساجدی، س.، و هلاکویی، ح.، 1400، بررسی تاثیر آب مغناطیسی بر خواص رئولوژی و مکانیکی بتن های سبک، مهندسی سازه و ساخت، 8، 3, 281-299. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=571497
14- Emami, M., Yasrobi, S. S., 2012, Modelling of pressuremeter tests with artifitial neural networks, Sharif Journal of Civil Engineering, 2, 4, 25-36.
New Approaches in Civil Engineering
Volume 7, Issue 3
December 2023
Pages 1-15

Files

Share

How to cite

Statistics