Read more
Questo libro presenta la previsione del rapporto di miscela del calcestruzzo utilizzando un modello di rete neurale artificiale. Un modello di rete neurale artificiale è stato sviluppato, addestrato e testato con 359 set di dati relativi a miscele di calcestruzzo. Questi set di dati sono stati ottenuti da aziende produttrici di calcestruzzo, ordinati e utilizzati, di cui il 70%, il 15% e il 15% sono stati utilizzati rispettivamente per le fasi di addestramento, validazione e test. È stato adottato un modello di rete neurale feed-forward a 3 strati con algoritmo di back-propagation. Lo strato di input comprende 5 nodi che rappresentano la resistenza alla compressione (28 giorni), il modulo di finezza, il rapporto aggregato grosso, il rapporto acqua-cemento e la dimensione massima dell'aggregato e cinque parametri di output che sono la resistenza alla compressione, l'acqua, l'aggregato fine, l'aggregato grosso e il contenuto di cemento, che rappresentano l'output previsto. Il risultato del modello ANN è stato confrontato con altri approcci alla progettazione del calcestruzzo ed è stato considerato adeguato. L'errore ottenuto dal confronto tra i dati di output effettivi e quelli previsti dalla Rete Neurale Artificiale per tutti i parametri di output è stato di -0,00083. I risultati indicano l'utilità, l'affidabilità e l'utilità della rete neurale artificiale (RNA) per la previsione accurata del rapporto di miscela del calcestruzzo.
About the author
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.
