view in publisher's site

Application of computational intelligence and statistical approaches for auto-estimating the compressive strength of plastic concrete

The use of clays, especially bentonite clays in composites, is one of the practical and cost-effective ways for engineers to absorb heavy metals. On the other hand, automatically obtained mechanical properties of these composites, especially plastic concrete (PC) made by adding bentonite clay to the ordinary concrete mixture, can be useful in reducing the cost and optimising the time of the cutoff wall construction in earth dam projects. For this purpose, four computational intelligence and statistical approaches, including support vector machine (SVM), multi-gene genetic programming (MGGP), group method of data handling (GMDH), and response surface methodology (RSM), were used in this article to auto-estimate the compressive strength (CS) of PC. To do this, a comprehensive dataset published in the research literature was used. Also, the models validity was assessed by both external validations of the proposed approaches and Monte-Carlo uncertainty analysis. Finally, each input variable in the models has been studied parametrically over wide ranges to provide practical results to engineers. Comparing the results with the existing literature indicates the acceptable accuracy of the developed models in this study due to optimisation in the speed of developed models and also the less complexity of the proposed ones.

کاربرد هوش محاسباتی و روش‌های آماری برای تخمین خودکار استحکام فشاری بتن پلاستیک

استفاده از رس‌ها، به ویژه رس‌های بنتونیت در کامپوزیت، یکی از روش‌های عملی و مقرون‌به‌صرفه برای مهندسان برای جذب فلزات سنگین است. از سوی دیگر، به طور خودکار خواص مکانیکی این کامپوزیت ها، به ویژه بتن پلاستیک (PC)ساخته‌شده با افزودن رس بنتونیت به مخلوط بتن معمولی، می‌تواند در کاهش هزینه و بهینه‌سازی زمان ساخت دیوار برشی در پروژه‌های سد خاکی مفید باشد. برای این منظور، چهار روش هوش محاسباتی و آماری، از جمله ماشین بردار پشتیبان (SVM)، برنامه‌ریزی ژنتیک چندژنی (MGGP)، روش گروهی کنترل داده‌ها (GMDH)و روش سطح پاسخ (RSM)، در این مقاله برای برآورد خودکار استحکام فشاری (CS)PC استفاده شده‌اند. برای انجام این کار، یک مجموعه داده جامع منتشر شده در ادبیات تحقیق مورد استفاده قرار گرفت. همچنین، اعتبار مدل‌ها با هر دو اعتبار سنجی خارجی رویکردهای پیشنهادی و تحلیل عدم قطعیت مونت کارلو ارزیابی شد. در نهایت، هر متغیر ورودی در مدل‌ها به صورت پارامتری در محدوده وسیعی برای ارائه نتایج عملی به مهندسان مورد مطالعه قرار گرفته‌است. مقایسه نتایج با مقالات موجود نشان‌دهنده دقت قابل‌قبول مدل‌های توسعه‌یافته در این مطالعه به دلیل بهینه‌سازی در سرعت مدل‌های توسعه‌یافته و همچنین پیچیدگی کم‌تر مدل‌های پیشنهادی است.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Civil and Structural Engineering
  • ترجمه مقاله Civil and Structural Engineering
  • مقاله مهندسی عمران و طراحی ساختار
  • ترجمه مقاله مهندسی عمران و طراحی ساختار
  • مقاله Environmental Engineering
  • ترجمه مقاله Environmental Engineering
  • مقاله مهندسی محیط‌ زیست
  • ترجمه مقاله مهندسی محیط‌ زیست
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.