Andere Kunden interessierten sich auch für
![Applications de l'apprentissage automatique dans la prédiction de la résistance du béton]( "Applications de l'apprentissage automatique dans la prédiction de la résistance du béton")
Applications de l'apprentissage automatique dans la prédiction de la résistance du béton29,99 €![Propriétés de résistance du béton à haute résistance renforcé par des fibres hybrides]( "Propriétés de résistance du béton à haute résistance renforcé par des fibres hybrides")
Propriétés de résistance du béton à haute résistance renforcé par des fibres hybrides23,99 €![Essai de résistance à la compression du ciment de construction en pâte de polystyrène]( "Essai de résistance à la compression du ciment de construction en pâte de polystyrène")
Essai de résistance à la compression du ciment de construction en pâte de polystyrène30,99 €![Méthodes de prétraitement des données et leur impact sur l'ANN]( "Méthodes de prétraitement des données et leur impact sur l'ANN")
Méthodes de prétraitement des données et leur impact sur l'ANN42,99 €![Conception du mélange pour le béton perméable à la fibre de verre]( "Conception du mélange pour le béton perméable à la fibre de verre")
Conception du mélange pour le béton perméable à la fibre de verre36,99 €![La résistance du béton due au remplacement partiel du sable de rivière par du sable de fonderie usagé.]( "La résistance du béton due au remplacement partiel du sable de rivière par du sable de fonderie usagé.")
La résistance du béton due au remplacement partiel du sable de rivière par du sable de fonderie usagé.29,99 €![LA THÉORIE DES RISQUES : histoire la prédiction de l'identification du classement]( "LA THÉORIE DES RISQUES : histoire la prédiction de l'identification du classement")
LA THÉORIE DES RISQUES : histoire la prédiction de l'identification du classement26,99 €
Cette étude présente une étude comparative entre le réseau neuronal artificiel (ANN) et la méthodologie de surface de réponse (RSM) pour prédire la résistance à la compression du béton à haute résistance. La comparaison a été effectuée sur la base des mêmes ensembles de données expérimentales. Les données d'entrée examinées dans cette étude étaient le pourcentage de ciment, de fumée de silice et d'agrégats grossiers. Les méthodes employées dans l'ANN et le RSM étaient respectivement le réseau neuronal feedforward et le composite central centré sur la face. La comparaison entre les deux modèles a montré que le RSM était plus performant que l'ANN avec un coefficient de détermination (R2) plus proche de 1 avec 0,9959. En outre, tous les résultats prédits par le modèle RSM par rapport aux résultats expérimentaux se situent dans une marge de 10 %. En revanche, trois des résultats prédits par le modèle ANN se situaient en dehors de la marge de 10 %. La fumée de silice s'est également avérée avoir un impact plus important sur la résistance à la compression du béton que les granulats grossiers.