تسير الخرسانة الحديثة نحو اتجاهين متكاملين هما القوة العالية وخفة الوزن، لما يوفره اجتماعهما من كفاءة إنشائية مرتفعة متمثلة في نسبة عالية من القوة إلى الوزن، غير أن تحقيق التوازن بين هاتين الخاصتين لإنتاج خرسانة ذات كفاءة إنشائية عالية يظل تحديًا قائمًا، بسبب العلاقة المعقدة وغير الخطية بين مقاومة الانضغاط ومكونات الخلطة المتعددة والمتداخلة التي يصعب ضبطها بالتجربة المعملية وحدها، وتكتسب هذه القضية زخمًا إضافيًا في ظل توجهات البناء المستدام التي تسعى إلى تقليل الأحمال المنقولة إلى الأساسات وخفض استهلاك المواد دون التضحية بسلامة المنشآت وأدائها الإنشائي
ومع تراكم بيانات تجريبية كثيرة من دراسات سابقة، أصبحت تقنيات الذكاء الاصطناعي مرشحة لبناء نماذج تنبؤ دقيقة بمقاومة الانضغاط توفر زمن التجارب المعملية المتكررة وكلفتها، فجاءت هذه الدراسة لتطوير نموذجين من الشبكات العصبية الاصطناعية للتنبؤ بمقاومة انضغاط الخرسانة خفيفة الوزن فائقة الأداء ومقارنة أدائهما، وتحديد أكثر مكونات الخلطة تأثيرًا في هذه المقاومة بتحليلي الارتباط والحساسية
أولًا: أهداف الدراسة ومنهجيتها
بنى الباحثون نموذجين من الشبكات العصبية الاصطناعية هما شبكة الانتشار الخلفي وشبكة إلمان، ودربوهما واختبرا أداءهما على قاعدة بيانات قوية تضم 115 مجموعة بيانات اختبار مستمدة من دراسات سابقة، وشملت المتغيرات المدروسة درجة الإسمنت من درجتي 42.5 و52.5، ومحتوى الإسمنت من 352 إلى 938 كيلوغرامًا في المتر المكعب، ومحتوى دخان السيليكا من صفر إلى 350، ومحتوى الرماد المتطاير من صفر إلى 220، ومحتوى الكريات الدقيقة من صفر إلى 624، وأنواع الرمل الخفيف من رمل الفخار والبيرلايت الممدد والطفل الممدد ومحتواه من صفر إلى 769، وأنواع الرمل من رمل الكوارتز ورمل النهر ومحتواه من صفر إلى 1314، ومحتوى الماء من 90 إلى 395، ومخفض الماء من صفر إلى 42.8، ومحتوى الألياف الفولاذية من صفر إلى 234 كيلوغرامًا في المتر المكعب، وأجري تحليل الارتباط وتحليل الحساسية لتقدير الأهمية النسبية لكل متغير، وقد مثلت هذه المتغيرات مدخلات النموذجين بينما مثلت مقاومة الانضغاط المخرج المستهدف التنبؤ به، واعتمد تقييم النموذجين على أدائهما في مجموعتي التدريب والاختبار معًا للتحقق من قدرتهما على التعميم على بيانات لم يسبق لهما التعامل معها
ثانيًا: أبرز النتائج
1. أشار تحليل الارتباط وتحليل الحساسية إلى أن محتوى الرمل الخفيف ومحتوى الرمل كانا الأكثر تأثيرًا في مقاومة انضغاط الخرسانة خفيفة الوزن فائقة الأداء، تلاهما محتوى الماء في ترتيب الأهمية
2. كان أثر محتوى الرماد المتطاير ونوع الرمل الخفيف في المقاومة ضئيلًا مقارنة ببقية مكونات الخلطة
3. أظهر النموذجان المطوران دقة تنبؤ عالية في مجموعتي التدريب والاختبار معًا، إذ بلغ الجذر التربيعي لمتوسط مربع الخطأ 0.226 لشبكة الانتشار الخلفي و0.160 لشبكة إلمان، وتجاوز معامل التحديد في كلا النموذجين 0.98
4. أظهرت الخرسانة خفيفة الوزن فائقة الأداء نسبة مقاومة انضغاط إلى كثافة أعلى من الخرسانة عالية القوة والخرسانة فائقة الأداء، بل أعلى حتى من فولاذ كيو 235
ثالثًا: دلالات الدراسة وتطبيقاتها
اقترحت الدراسة ثلاث استراتيجيات لإنتاج مركبات خفيفة فائقة الأداء، هي تحسين كثافة التعبئة، وخفض نسبة الماء إلى الرابط، والاختيار الدقيق للركام الخفيف، وتفيد هذه النماذج التنبؤية المهندسين ومصممي الخلطات في ضبط مكونات الخلطة قبل التنفيذ المعملي وتقليل عدد التجارب المتكررة، كما يفتح تفوق نسبة المقاومة إلى الكثافة الباب أمام منشآت أخف وزنًا وأقل استهلاكًا للمواد والأساسات مع الحفاظ على الأداء الإنشائي المطلوب، وهو توجه ذو قيمة هندسية واقتصادية وبيئية في مشاريع البناء الحديثة
ويمتد نفع هذه النمذجة إلى مرحلة التصميم الأولي للخلطات في المختبرات وشركات الخرسانة الجاهزة، إذ يمكن اختبار سيناريوهات متعددة من المكونات افتراضيًا قبل صب أي عينة فعلية، ما يختصر زمن التطوير ويقلل الهدر في المواد والتجارب غير المجدية، ويوجه الانتباه البحثي والتطبيقي إلى المتغيرات الحاكمة فعلا في المقاومة بدل تشتيت الجهد على متغيرات ضعيفة الأثر
وخلاصة القول إن الشبكات العصبية الاصطناعية تقدم أداة تنبؤ دقيقة بمقاومة انضغاط الخرسانة خفيفة الوزن فائقة الأداء اعتمادًا على مكونات الخلطة، وإن محتوى الرمل الخفيف والرمل والماء هي المتغيرات الحاكمة في هذه المقاومة، بما يرشد جهود تطوير خلطات تجمع بين القوة العالية والخفة في آن واحد
