Mehr lesen
Ce livre présente la prédiction du rapport de mélange du béton en utilisant un modèle de réseau neuronal artificiel. Un modèle de réseau neuronal artificiel a été développé, entraîné et testé avec 359 ensembles de données sur les mélanges de béton. Ces ensembles de données ont été obtenus auprès de sociétés de béton, triés et utilisés, dont 70%, 15% et 15% ont été utilisés pour les phases de formation, de validation et de test respectivement. Un modèle de réseau neuronal à 3 couches avec un algorithme de rétropropagation a été adopté. La couche d'entrée comprend 5 noeuds représentant la résistance à la compression (28 jours), le module de finesse, le rapport des agrégats grossiers, le rapport eau/ciment et la taille maximale des agrégats, et cinq paramètres de sortie, à savoir la résistance à la compression, l'eau, les agrégats fins, les agrégats grossiers et les teneurs en ciment, qui sont les résultats attendus. Le résultat du modèle ANN a été comparé à d'autres approches de conception de mélanges de béton et a été considéré comme adéquat. L'erreur résultant de la comparaison entre les données de sortie réelles et les données prédites par le réseau neuronal artificiel pour l'ensemble des paramètres de sortie était de -0,00083. Les résultats indiquent l'utilité, la fiabilité et l'utilité du réseau neuronal artificiel (ANN) pour prédire avec précision le rapport de mélange du béton.
Über den Autor / die Autorin
Munachiso Ogbodo lecciona na Universidade de Port Harcourt, Nigéria. É licenciado em Engenharia Civil e Mestre em Estruturas. Dumde Dinebari é licenciado pela Universidade de Port Harcourt com um bacharelato em Engenharia Civil.
