• شماره ركورد
    15547
  • عنوان
    بررسي كاربرد يادگيري ماشين در پيشبيني خواص مكانيكي و دوام بتن ژئوپليمري
  • سال تحصيل
    1403
  • استاد راهنما
    آقاي دكتر سيد سجاد ميرولد
  • چکيده
    گسترش مصرف سيمان پرتلند و سهم بالاي آن در انتشار دي‌اكسيدكربن، صنعت ساخت را به سمت استفاده از مصالح سازگار با محيط‌زيست سوق داده است. در اين ميان بتن ژئوپليمري به‌عنوان يكي از گزينه‌هاي پيشرو در توليد بتن كم‌كربن مطرح شده است. اين ماده با استفاده از منابع آلومينوسيليكاتي نظير خاكستر بادي، سرباره كوره‌بلند و متاكائولن در حضور محلول‌هاي فعال‌ساز قليايي، ساختار پليمري پايداري تشكيل مي‌دهد كه مي‌تواند ويژگي‌هاي مكانيكي و دوام قابل‌توجهي ارائه دهد. مزيت استفاده از مواد ضايعاتي صنعتي در توليد ژئوپليمرها علاوه‌بر كاهش اثرات زيست‌محيطي، به مديريت بهينه پسماندهاي صنعتي نيز كمك مي‌كند و آن‌ها را به گزينه‌اي مناسب در مسير ساخت پايدار تبديل مي‌نمايد. در اين سمينار ابتدا اصول تشكيل بتن ژئوپليمري، تركيب شيميايي و مكانيزم ژئوپليمريزاسيون معرفي شد. سپس نقش عوامل كليدي همچون نسبت Si/Al، نوع و غلظت محلول قليايي، نسبت آب به جامد و شرايط عمل‌آوري در رفتار بتن ژئوپليمري بررسي شد. نتايج پژوهش‌ها نشان مي‌دهد كه انتخاب مناسب نوع و درصد مواد اوليه و اعمال شرايط عمل‌آوري كنترل‌شده مي‌تواند منجر به دستيابي به مقاومت فشاري و دوام برابر يا حتي بالاتر از بتن پرتلند شود. همچنين مشخص شد كه بتن ژئوپليمري در برابر محيط‌هاي خورنده نظير محيط‌هاي سولفاتي و كلريدي عملكرد مطلوب‌تري دارد. با وجود اين، نبود دستورالعمل استاندارد براي طرح اختلاط و پيچيدگي رفتار اين بتن، فرايند توسعه و كاربرد آن را با چالش‌هايي روبه‌رو كرده است. ازاين‌رو، در بخش دوم اين پژوهش، استفاده از روش‌هاي يادگيري ماشين براي پيش‌بيني خواص بتن ژئوپليمري و كمك به طراحي طرح اختلاط بررسي شد. نتايج مطالعات نشان مي‌دهد الگوريتم‌هايي مانند شبكه‌هاي عصبي مصنوعي، رگرسيون و مدل‌هاي تجميعي قادرند مقاومت فشاري، كارايي و ساير خواص مهندسي ژئوپليمرها را با دقت بالا پيش‌بيني كنند و نقش مؤثري در كاهش آزمايش‌هاي پرهزينه و زمان‌بر ايفا نمايند.
  • نام دانشجو

    محمدرضا تافته

  • تاريخ ارائه
    12/3/2025 12:00:00 AM
  • متن كامل
    88895
  • پديد آورنده

    محمدرضا تافته

  • تاريخ ورود اطلاعات
    1404/09/25
  • عنوان به انگليسي
    Investigation of Machine Learning Applications in Predicting the Mechanical an‎d Durability Properties of Geopolymer Concrete
  • كليدواژه هاي فارسي
    بتن ژئوپليمري , پايداري , فعال سازي قليايي , خاكستر بادي , سرباره , يادگيري ماشين , شبكه عصبي مصنوعي
  • كليدواژه هاي لاتين
    Geopolymer concrete , Fly Ash , Ground granulated blast furnace slag , Sustainability , artificial neural network , Machine learning