आर्टिफिशियल न्यूरल नेटवर्क, एडaptive न्यूरो-फजी इनफेरेंस सिस्टम और मल्टीपल लीनियर रिग्रेशन का उपयोग करके रिसाइकिल किए गए एग्रीगेट कंक्रीट की ताकत की भविष्यवाणी करना

कंक्रीट की संकुचन शक्ति, जिसे कंक्रीट की सबसे महत्वपूर्ण यांत्रिक संपत्तियों में से एक माना जाता है, कंक्रीट की गुणवत्ता सुनिश्चित करने के लिए सबसे आवश्यक कारकों में से एक के रूप में पहचानी जाती है। वर्तमान अध्ययन में, तीन विभिन्न डेटा-चालित मॉडलों, अर्थात् आर्टिफिशियल न्यूरल नेटवर्क (ANN), एडaptive न्यूरो-फजी इनफेरेंस सिस्टम (ANFIS), और मल्टीपल लीनियर रिग्रेशन (MLR) का उपयोग रिसाइकिल किए गए एग्रीगेट कंक्रीट (RAC) की 28 दिन की संकुचन शक्ति की भविष्यवाणी करने के लिए किया गया। रिसाइकिल किए गए एग्रीगेट का वर्तमान समय की आवश्यकता है, जो निर्माण के कारण अपशिष्टों के पुन: उपयोग के इसकी पर्यावरण के अनुकूल पहलू के कारण है। इस अध्ययन में कंक्रीट की 28 दिन की संकुचन शक्ति की भविष्यवाणी के लिए 14 विभिन्न इनपुट पैरामीटर, जिसमें आयामी और गैर-आयामी दोनों पैरामीटर शामिल हैं, का उपयोग किया गया। वर्तमान अध्ययन ने निष्कर्ष निकाला कि रिसाइकिल किए गए एग्रीगेट कंक्रीट की 28 दिन की संकुचन शक्ति का अनुमान ANN और ANFIS द्वारा MLR की तुलना में बेहतर प्रदर्शन किया। दूसरे शब्दों में, तीनों मॉडलों के परीक्षण चरण की तुलना करते हुए, यह निष्कर्ष निकाला जा सकता है कि कंक्रीट के प्रारंभिक मिश्रण डिज़ाइन के लिए MLR मॉडल का उपयोग करना बेहतर है, और उच्च सटीकता आवश्यकताओं के मामले में ANN और ANFIS मॉडलों का उपयोग करने की सिफारिश की जाती है। इसके अतिरिक्त, डेटा-चालित मॉडलों के प्रदर्शन का अन्वेषण किया गया है, जिसमें आयामहीन पैरामीटर शामिल हैं और नहीं। यह देखा गया कि डेटा-चालित मॉडलों की सटीकता बेहतर होती है जब आयामहीन पैरामीटर को अतिरिक्त इनपुट पैरामीटर के रूप में उपयोग किया जाता है। इसके अलावा, प्रत्येक डेटा-चालित मॉडल के प्रदर्शन पर प्रत्येक आयामहीन पैरामीटर के प्रभाव की जांच की गई। अंततः, कंक्रीट की 28 दिन की संकुचन शक्ति पर इनपुट पैरामीटर की संख्या के प्रभाव की जांच की गई।