بتن خودتراکم ) (SCCبه دلیل ویژگیهای ممتاز از جمله روانی بالا، توانایی عبور از میان آرماتورهای متراکم و عدم نیاز به تراکم مکانیکی، جایگاه ویژهای در صنعت ساختوساز یافته است. با این حال، توسعه پایدار این نوع بتن مستلزم استفاده از مصالح جایگزین بهمنظور کاهش مصرف منابع طبیعی و کاهش اثرات زیستمحیطی است. در این راستا، سنگدانههای بازیافتی ) (RCAبهعنوان یک جایگزین بالقوه برای سنگدانههای طبیعی مطرح شدهاند. علیرغم مزایای زیستمحیطی و اقتصادی، تأثیر RCAبر خواص مکانیکی و حرارتی SCCبهویژه در دماهای بالا همچنان چالشبرانگیز است. افزایش استفاده از سنگدانههای بازیافتی در تولید بتن خودتراکم بهعنوان یک راهکار پایدار، چالشهایی را در زمینهی عملکرد مکانیکی این بتنها، بهویژه در دماهای بالا، ایجاد کرده است. پیشبینی دقیق مقاومت فشاری این نوع بتنها، با استفاده از مدلهای هوش مصنوعی، میتواند به طراحی بهینه و افزایش دوام آنها کمک کند. در این پژوهش، چهار الگوی شبکه عصبی مصنوعی ) (ANNبرای پیشبینی خواص مکانیکی بتن خودتراکم حاوی سنگدانههای بازیافتی در دماهای بالا توسعه یافتهاند. این مدلها بر اساس دادههای آزمایشگاهی گسترده، طیف وسیعی از متغیرهای مؤثر در طرح اختلاط و شرایط دمایی مختلف را در نظر میگیرند. نتایج نشان داد که چهارمین مدل ( )ANN4با مقدار R2=0.9996در دادههای آموزش و R2=0.9590برای دادههای آزمون، بهترین پیشبینیها را ارائه میدهد. برای افزایش تفسیرپذیری مدل، روش نمودار SHAPبهکار گرفته شد تا سهم متغیرهای مستقل در پیشبینیهای مدل بررسی شود. نتایج نشان داد که دما تأثیرگذارترین متغیر بوده و نقش کلیدی در کاهش مقاومت فشاری دارد. پس از آن، مقاومت فشاری اولیه ) ،(fc,cyدرصد سنگدانه بازیافتی ) (RCAو نسبت آب به سیمان ) (W/Cبهترتیب بیشترین تأثیر را داشتند. تحلیل نمودار پراکندگی خوشهای نیز نشان داد که افزایش دما منجر به کاهش شدید مقاومت فشاری شده درحالیکه افزایش مقاومت اولیه بتن، تأثیر مثبتی بر رفتار آن در دماهای بالا دارد. این پژوهش با ترکیب مدلسازی هوش مصنوعی و تحلیلهای ،SHAPچارچوبی شفاف و قابل اعتماد برای پیشبینی عملکرد بتنهای خودتراکم حاوی سنگدانه بازیافتی در شرایط دمایی مختلف ارائه میدهد که میتواند به بهینهسازی طراحی این بتنها در مهندسی سازه کمک کند

کلمات کلیدی