| استفاده از الگوریتم‌های یادگیری ماشین نظارت‌شده برای پیش‌بینی مقاومت فشاری بتن در دمای بالا |
| کد مقاله : 1018-CONCRETEDAY (R1) |
| نویسندگان |
|
حسن حسین زاده *1، کوروش نجاری2، جواد کاشف3، علیرضا حسنی4 1مسئول امور تحقیق و توسعه سازمان عمران شهرداری مشهد 2مسئول امور طراحی و فنی منطقه 2 شهرداری مشهد 3کارشناس مطالعات سازمان عمران شهرداری مشهد 4سرپرست گروه برنامه ریزی و توسعه سازمان عمران شهرداری مشهد |
| چکیده مقاله |
| دمای بالا به‌شدت بر ماهیت مواد مورداستفاده برای تولید بتن تأثیر می‌گذارد که به نوبه خود خواص مقاومتی بتن را کاهش می‌دهد. دستیابی به مقاومت فشاری مطلوب بتن کاری دشوار و زمان بر است. با این حال، استفاده از رویکردهای یادگیری ماشینی نظارت شده (ML) این امکان را فراهم می‌کند که در ابتدا نتیجه هدفمند را با دقت بالا پیش‌بینی کرد. این مطالعه از ماشین بردار پشتیبان و جنگل تصادفی برای پیش‌بینی مقاومت فشاری بتن در دماهای بالا بر اساس 207 داده استفاده می‌کند. برای اجرای مدل‌های انتخاب شده از کدنویسی پایتون در سکوی گوگل کولب استفاده شده است. در مجموع 9 پارامتر ورودی (آب، سیمان، سنگ‌دانه درشت، سنگ‌دانه ریز، خاکستر بادی، فوق روان‌کننده‌ها، دوده سیلیس، نانو سیلیس و دما) به‌عنوان ورودی وارد شدند و یک متغیر (مقاومت فشاری) به‌عنوان خروجی انتخاب شد. عملکرد الگوریتم‌های ML مورداستفاده باتوجه‌به شاخص‌های آماری، از جمله ضریب همبستگی (R2) و میانگین خطای مطلق (MAE)، میانگین مربع خطا (MSE) ارزیابی شدند. مدل‌های SVM و RF به ترتیب R2 برابر با0.91 و 0.92 به دست آوردند. این نشان‌دهنده همبستگی قوی بین نتایج واقعی و پیش‌بینی شده است. در این تحقیق نشان داده شده است که استفاده از الگوریتم یادگیری ماشین گروهی سطح عملکرد مدل را افزایش می‌دهد. با استفاده از الگوریتم‌های یادگیری ماشین می‌توان اقدام به پیش‌بینی مقاومت فشاری بتن در زمان کوتاه و هزینه کم اقدام نمود. |
| کلیدواژه ها |
| بتن، مقاومت فشاری، دمای بالا، پیش‌بینی، ماشین بردار پشتیبان، جنگل تصادفی |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |
