TY - JOUR ID - 165469 TI - پیش‌بینی مقاومت فشاری ملات استاندارد ماسه سیمان با استفاده از شبکه عصبی مصنوعی و در نظر گرفتن اثر نرمی سیمان JO - مصالح و سازه های بتنی JA - JCSM LA - fa SN - 2538-5828 AU - مهدی نیا, سحر AU - توکلی زاده, محمد رضا AU - احمدی جلایر, مهدی AD - دانشجوی دکتری سازه، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد AD - استادیار گروه مهندسی عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد AD - کارشناسی ارشد مدیریت ساخت، کارخانه سیمان زاوه تربت Y1 - 2022 PY - 2022 VL - 7 IS - 2 SP - 117 EP - 130 KW - مقاومت فشاری KW - ملات استاندارد سیمان KW - شبکه عصبی مصنوعی KW - نرمی سیمان KW - مواد خام DO - 10.30478/jcsm.2023.375675.1305 N2 - نقش نرمی سیمان در روند هیدراتاسیون و رشد مقاومت فشاری در سنین پایین مواد پایه سیمانی غیرقابل انکار است؛ بر این اساس می‌طلبد که اثر آن در مدل‌های پیش‌بینی مورد بررسی قرار گیرد. از این رو، در این پژوهش یک بررسی گسترده شامل 640 ترکیب سیمان (1920 آزمونه ملات سیمان) از محصولات کارخانه سیمان با درصدهای مختلف مواد خام ورودی به کوره سیمان انجام شد. مواد خام اولیه شامل اکسیدهای سیلیس، آلومینیوم، آهن، کلسیم، منیزیم، گوگرد، پتاسیم و سدیم برای پیش‌بینی مقاومت فشاری 7 روزه ملات استاندارد سیمان با استفاده از روش شبکه عصبی مصنوعی (ANN) در نظر گرفته شد. نرمی پودر سیمان مورد استفاده در این نمونه‌ها به عنوان یک عامل اثرگذار نیز مورد بررسی قرار گرفت. به این منظور، دو مدل در دو حالت با و بدون در نظر گرفتن نرمی سیمان در پارامترهای ورودی به کار گرفته شد. پس از بررسی نتایج به دست آمده می‌توان مشاهده کرد که مدلANN با در نظر گرفتن نرمی سیمان عملکرد مناسب‌تری نسبت به مدل دیگر دارد. یافته‌های این پژوهش برای پیش‌بینی مقاومت فشاری سیمان تولیدی در کارخانه‌ها می‌تواند هزینه‌های آزمایشگاهی مربوطه را به شدت کاهش دهد. UR - https://www.jcsm.ir/article_165469.html L1 - https://www.jcsm.ir/article_165469_557a77ff7bd68d4cb787c42f24f473b7.pdf ER -