Ahmed Yousri Yousef Ali,  <br/><br/>
Design Of Concrete Mixes Using Artificial Neural Network  / 
 تصميم الخلطات الخرسانية باستخدام الشبكة العصبية الاصطناعية / 
By Ahmed Yousri Yousef Ali; Under the Supervision of Prof. Dr. Hany Ahmed Abdalla, Prof. Dr. Akram Mohamed Torkey,  
 - 68 pages :   illustrations ;   30 cm. +   CD. 
<br/><br/>Thesis (M.Sc.) -Cairo University, 2024.   
<br/><br/>Bibliography: pages 64-68.  
<br/><br/> Seventy cube concrete specimens were cast in this study to test compressive strength. <br/>The artificial neural network (ANN) model was utilized to predict compressive <br/>strength for a given combination of materials in order to achieve a target compressive <br/>strength after twenty-eight days. The model uses seven input parameters, including the <br/>w/c ratio, concrete workability, cement content, maximum aggregate size, coarse <br/>aggregate content, fineness modulus of sand, and sand content, where the output is the <br/>predicted compressive strength. Feed-forward back-propagation type and the <br/>levenberg marquardt algorithm was used to predict compressive strength. The model <br/>showed great results for predicting the compressive strength of concrete, as the <br/>coefficient of variation (COV) was less than 7%, with an average of about one for the <br/>ratio of the actual compressive strength to the predicted compressive strength. Fifty-<br/>eight different mixtures from past experiments were used to ensure the accuracy of the <br/>model's prediction and the error rate for most samples was less than 10%.   يتناول البحث صب سبعين مكعب خرساني في هذه الدراسة لاختبار مقاومة الضغط. تم استخدام نموذج الشبكة العصبية الاصطناعية من نوع التغذية الأمامية والانتشار الخلفي وخوارزمية ليفينبيرج ماركاد للتنبؤ بمقاومة الضغط لمجموعة معينة من المواد. يستخدم النموذج سبعة معاملات ادخال، بما في ذلك نسبة الماء إلى الاسمنت، وقابلية تشغيل الخرسانة، ووزن الاسمنت، والمقاس الاعتباري الاكبر للركام، ووزن الركام الخشن، ومعامل نعومة الرمل، ووزن الرمل، حيث يكون الناتج هو مقاومة الضغط المتوقعة. أظهر نتائج التنبؤ بمقاومة الضغط للخرسانة، حيث كان معامل التباين أقل من 7%، بمتوسط حوالي واحد لنسبة مقاومة الضغط الفعلية إلى المتوقعة. تم استخدام ثمانية وخمسين خليطًا من التجارب السابقة لضمان دقة تنبؤ النموذج وكان معدل الخطأ في معظم العينات أقل من 10%.<br/><br/> 
<br/><br/>
<br/><br/><br/>Text in English and abstract in Arabic & English. 
<br/><br/><label>Subjects--Topical Terms: </label><br/>Concrete
<br/><br/><label>Subjects--Index Terms: </label>Neural network  concrete mix design  compressive strength  optimum number of neurons  MATLAB 
<br/><br/><label>Dewey Class. No.: </label>624.1834