-
شماره ركورد
28051
-
پديد آورنده
محمدصادق شاهرخي شهركي
-
عنوان
بهينه سازي طرح مخلوط بتن بر اساس زمان ساخت پروژه با استفاده از يادگيري ماشين
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
مهندسي عمران
-
سال تحصيل
1399
-
تاريخ دفاع
1401/10/27
-
استاد راهنما
سجاد ميرولد
-
دانشكده
مهندسي عمران
-
چكيده
مقاومت فشاري مشخصه بتن، كه معمولاً بر اساس مقاومت فشاري مورد نظر بتن در 28 روز تعيين مي شود، نقش مهمي در تعيين مقدار سيمان مورد نياز در طرح مخلوط بتن ايفا مي كند. با اين حال، برخي از عناصر سازه اي بارهاي طراحي خود را در 28 روز دريافت نميكنند. براي مثال، پي ساختمان لازم نيست كه در 28 روز به مقاومت فشاري نهايي خود برسد و ميتواند به دليل هيدراتاسيون سيمان قبل از دريافت بارهاي نهايي، استحكام بيشتري به دست آورد. بنابراين، اين امكان وجود دارد كه مقدار سيمان به طور معقولي كاهش يابد و طرح مخلوط بتن پي با هدف قرار دادن عددي بيشتر از 28 روز براي رسيدن به مقاومت فشاري مورد نياز بهينه شود. براي اين منظور، با استفاده از الگوريتم هاي رگرسيون و شبكه عصبي مصنوعي، مقدار سيمان مورد نياز در طرح مخلوط بتن بر اساس مقاومت 90 روزه پيش بيني شده تا مقدار سيمان مورد نياز در نسبتهاي طرح مخلوط بهينه شوند. در ادامه، يك مطالعه موردي بر روي يك پي بتني متعلق به ساختمان 6 طبقه انجام شده و با استفاده از نرم افزار آتنا، ميزان دقيق كاهش انتشار كربن دي اكسيد ناشي از ساخت پي محاسبه شده تا مزاياي زيستمحيطي بهينهسازي مقدار سيمان تعيين شوند. نتايج نشان ميدهد كه الگوريتم هاي يادگيري ماشين نسبت به يادگيري عميق، در پيش بيني مقدار سيمان مورد نياز، از عملكرد بهتري برخوردار است. همچنين، كاهش CO2 در حدود 10 درصد با اتخاذ مدل پيشنهادي قابل دستيابي است.
-
تاريخ ورود اطلاعات
1401/12/24
-
عنوان به انگليسي
Machine learning based optimization of concrete mixture for sustainable construction
-
تاريخ بهره برداري
1/1/1900 12:00:00 AM
-
دانشجوي وارد كننده اطلاعات
محمدصادق شاهرخي شهركي
-
چكيده به لاتين
Designated concrete compressive strength plays an important role in determining the cement content of concrete mix designs, usually defined on the desired compressive strength of the concrete at 28 days. Aided by innovative tools borrowed by the machine learning field, concrete mixtures can be optimized to yield the required strength and improve the sustainability of new concrete structures. An optimized concrete mix design is developed and proposed in this study to further reduce the cement content, specifically in those structural elements that receive deferred loads during construction. Footings and foundations usually gain additional strength through the hydration of cement, before receiving their full design loads. Using machine learning techniques, the amount of cement may be reasonably reduced and optimized to target full design strength when needed. To quantify the environmental benefit deriving from the cement content optimization, a case study on a new concrete building was also conducted.
-
كليدواژه هاي فارسي
هوش مصنوعي , مقاومت فشاري بتن , يادگيري ماشين
-
كليدواژه هاي لاتين
Artificial Intelligence , Compressive Strength of Concrete , Machine learning
-
Author
Mohammadsadegh Shahrokhishahraki
-
SuperVisor
Sajjad Mirvalad
-
لينک به اين مدرک :