Résumé:
La conception de mélange du béton consiste en la sélection des proportions de ses constituants
pour avoir certaines propriétés désirées. Le processus est devenu plus compliqué avec
l'introduction de nouveaux constituants tels que les adjuvants minéraux et chimiques et les
fibres. Plusieurs chercheurs s'intéressent à la prédiction des propriétés du béton, ce qui se traduit
par un nombre élevé d'équations de régression linéaire et non linéaire. Alternativement, d'autres
modèles ont été développés par des systèmes plus sophistiqués pour l'optimisation des fonctions
en utilisant les algorithmes génétiques (AG), les réseaux de neurone artificiels (RNAs) ou leur
combinaison (RNAG). Dans cette étude, on a proposé une structure évolutionnaire qui intègre
les algorithmes génétique pour optimiser les poids de connexion et les seuils de chaque neurone
du réseau RNA. A cet effet, trois modèles ont été développés ; deux modèles (M1 et M2) pour la
prédiction de la résistance à la compression et un modèle (M3) pour la formulation du béton.
Plus de 750 données expérimentales collectées des travaux antérieurs ont été utilisées pour
l’ajustement et la validité de ces modèles. Ainsi, la validation expérimentale effectuée pour les
deux modèles M1 et M2 a prouvé leurs capacités de généralisation avec des coefficients de
détermination R² de 0,93 et 0,94 respectivement. Pour la conception de mélange, le modèle M3
permet une sélection plus rapide et plus précise des proportions appropriées du béton pour avoir
une ouvrabilité et une résistance à la compression requises pour un dosage donné de cendres
volantes. En fin, une interface graphique a été élaborée pour réduire de manière significative le
nombre d’expériences au laboratoire.
