ارزیابی رگرسیونی مقاومت برشی تیرهای مسلح بتنی تقویت شده با ورقه های FRP به روش هوش مصنوعی

برآورد دقیق مقاومت برشی در تیرهای بتن مسلح یکی از موضوعات مهم در طراحی مهندسی است. پیش بینی مقاومت برشی تیرهای بتن مسلح بر اساس داده های آزمایشگاهی مورد توجه محققین بسیاری بوده است. از جمله راهکارهایی که در سال های اخیر جهت ارایه یک مدل مناسب برای پیش بینی مقاومت برشی تیرهای بتن مسلح پیشنهاد شده است، استفاده از الگوریتم های هوش مصنوعی می باشد. استفاده از الیاف پلیمری (FRP) برای تقویت سازه های بتنی به دلیل مقاومت در برابر خوردگی و کشش و خاصیت ضدمغناطیسی مناسب در سال های اخیر بسیار مورد توجه قرار گرفته است. با توجه به مدول الاستیسیته نسبتا کم ورقه های FRP، اعضای بتنی که به صورت طولی با ورقه های FRP تقویت می شوند، مقاومت برشی را تا حد مناسبی ارتقا می بخشند. از این رو، در این تحقیق برای پیش بینی مقاومت برشی بتن تقویت شده با ورقه های FRP، مدل های هوشمند محاسباتی بهبودیافته ای بر اساس اسپلاین رگرسیون تطبیقی چند متغیره مارس و مدل درخت تصمیم ارائه شده است. مدل تولید شده توسط این دو روش مستقیما با مجموعه نتایج تجربی موجود در مطالعات پیشین بررسی شده است. درنهایت نتایج آموزش، آزمایش و اعتبارسنجی مدل با نتایج تجربی مقایسه می شود. نتایج نشان می دهد که مدل مارس و مدل درخت تصمیم یک روش قوی برای پیش بینی مقاومت برشی تیر های بتنی تقویت شده با FRP بوده است. نتایج بدست آمده از توسعه مدل های داده مبنا و روابط محاسباتی منتج شده از آنها در مراحل آزمایش و مقایسه شاخص های خطای آنها با نتایج آزمایشگاهی، نشان دهنده پتانسیل بالای روش مدل درخت تصمیم و مارس (به ترتیب با ضریب همبستگی ۹۸۱/۰و ۹۷۶/۰ و ریشه میانگین مربعات خطا ۳۶۹/۱۲۱و ۱۱۸/۱۴۰) در پیش بینی مقاومت برشی در تیرهای بتن مسلح می باشد. همچنین عملکرد این دو مدل ارائه شده در مقایسه با مدل های تجربی و آیین نامه ای پیشین بسیار مناسب بوده و میزان خطا را تا حدی زیادی کاهش داده است.

Keywords:

الیاف FRP , مقاومت برشی , هوش مصنوعی , روش مارس , مدل درخت تصمیم.