TY  - BOOK
AU  - Ahmed Yousri Yousef Ali, 
AU  - Hany Ahmed Abdalla
AU  - Akram Mohamed Torkey
TI  - Design Of Concrete Mixes Using Artificial Neural Network
U1  - 624.1834 
PY  - 2024///
KW  - Concrete
KW  - qrmak
KW  - Neural network
KW  - concrete mix design
KW  - compressive strength
KW  - optimum number of neurons
KW  - MATLAB
N1  - Thesis (M.Sc.) -Cairo University, 2024.; Bibliography: pages 64-68.; Issued also as CD
N2  - Seventy cube concrete specimens were cast in this study to test compressive strength. 
The artificial neural network (ANN) model was utilized to predict compressive 
strength for a given combination of materials in order to achieve a target compressive 
strength after twenty-eight days. The model uses seven input parameters, including the 
w/c ratio, concrete workability, cement content, maximum aggregate size, coarse 
aggregate content, fineness modulus of sand, and sand content, where the output is the 
predicted compressive strength. Feed-forward back-propagation type and the 
levenberg marquardt algorithm was used to predict compressive strength. The model 
showed great results for predicting the compressive strength of concrete, as the 
coefficient of variation (COV) was less than 7%, with an average of about one for the 
ratio of the actual compressive strength to the predicted compressive strength. Fifty-
eight different mixtures from past experiments were used to ensure the accuracy of the 
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%.


ER  -