Prévision du coefficient d’efficacité de la pouzzolane naturelle par les Réseaux De Neurones Artificiels

Abstract

La croissance rapide de l'intelligence artificielle a eu un impact très important sur la technologie du béton. Elle permet de résoudre des problèmes complexes de prévision des propriétés des bétons contenant des ajouts cimentaires (laitier, cendres volantes, fumée de silice et pouzzolane naturelle). L’objectif principal de cette étude est de tester la validité de l’utilisation de l’approche Réseaux de Neurones (RN) pour le développement d’un modèle pour la prévision du coefficient d’efficacité des pouzzolanes naturelles dans le béton. Le modèle le plus approprié est le réseau multicouche à Rétropropagation. Il est produit pour implémenter la complexité de la relation non linéaire entre les données au réseau (le rapport "Eau/Liant", le pourcentage de la pouzzolane et l'âge) et le résultat produit (le coefficient d’efficacité). Il est également établi par une incorporation d’une grande base de données expérimentales et par un choix approprié de l’architecture et du processus d’apprentissage. Le modèle a été validé par des essais expérimentaux. Le modèle RN développé fourni un moyen efficace pour la formulation des bétons à base de pouzzolane naturelle pour une résistance désirée à un âge et un taux de substitution de pouzzolane donnés.