000			04142namaa22004211i 4500
003			OSt
005			20250522115510.0
008			250520s2024 ua a|||fr|||m 000 0 eng d
040			_aEG-GICUC _beng _cEG-GICUC _dEG-GICUC _erda
041	0		_aeng _beng _bara
049			_aDeposit
082	0	4	_a624.1834
092			_a624.1834 _221
097			_aM.Sc
099			_aCai01.13.05.M.Sc.2024.Ah.D.
100	0		_aAhmed Yousri Yousef Ali, _epreparation.
245	1	0	_aDesign Of Concrete Mixes Using Artificial Neural Network / _cBy Ahmed Yousri Yousef Ali; Under the Supervision of Prof. Dr. Hany Ahmed Abdalla, Prof. Dr. Akram Mohamed Torkey,
246	1	5	_aتصميم الخلطات الخرسانية باستخدام الشبكة العصبية الاصطناعية /
264		0	_c2024.
300			_a68 pages : _billustrations ; _c30 cm. + _eCD.
336			_atext _2rda content
337			_aUnmediated _2rdamedia
338			_avolume _2rdacarrier
502			_aThesis (M.Sc.) -Cairo University, 2024.
504			_aBibliography: pages 64-68.
520			_aSeventy 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%.
520			_aيتناول 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%.
530			_aIssued also as CD
546			_aText in English and abstract in Arabic & English.
650		7	_aConcrete _2qrmak
653		0	_aNeural network _aconcrete mix design _acompressive strength _aoptimum number of neurons _aMATLAB
700	0		_aHany Ahmed Abdalla _ethesis advisor.
700	0		_aAkram Mohamed Torkey _ethesis advisor.
900			_b01-01-2024 _cHany Ahmed Abdalla _cAkram Mohamed Torke _dAhmed Ali Hassan _UCairo University _FFaculty of Engineering _DDepartment of Structural Engineering
905			_aEman El gebaly _eEman Ghareb
942			_2ddc _cTH _e21 _n0
999			_c172208