پیش بینی مقاومت فشاری بتن غلتکی با استفاده از الگوریتم های رگرسیونی یادگیری ماشین و شبکه عصبی مصنوعی

امروزه از بتن غلتکی در ساخت سدها و روسازی راه ها استفاده میشود و طی سال های اخیر استفاده از این نوع بتن به علت مزایایی چون کوتاه شدن زمان ساخت، در دسترس بودن مصالح مورد نیاز، عملکرد مناسب در نواحی سرد و عمر مفید طولانی گسترش یافته است. مهم ترین خاصیت مکانیکی بتن غلتکی، مقاومت فشاری میباشد که افزایش آن میتواند عملکرد این نوع بتن را بهبود بخشد. حساسیت بتن غلتکی به اجزای تشکیل دهنده آن سبب مشکلاتی در پیش بینی مقاومت فشاری شده است. پارامترهایی نظیر مقدار سیمان، نسبت آب به مواد سیمانی، مقدار مواد سیمانی جایگزین و نسبت درشت دانه به ریزدانه اثر زیادی بر مقاومت فشاری بتن غلتکی دارند. در دهه های اخیر، مدل سازی به وسیله هوش مصنوعی، جایگاه ویژهای در علوم فنی و مهندسی پیدا کرده است و پیش بینی رفتار موادی که با پیچیدگیهای فراوانی روبه رو بوده، تا حدودی به کمک این روش میسر شده است. در این تحقیق، مجموعه ۵۳۹ تایی از طرح های اختلاط ساخته شده توسط مولفین و طرح های اختلاط ساخته شده در مطالعات دیگر جمع آوری گردید. با در نظر گرفتن اجزای طرح اختلاط به عنوان متغیرهای ورودی، مدل های شبکه عصبی مصنوعی و روش های مختلف یادگیری ماشین برای پیش بینی مقاومت فشاری ساخته شدند. مقایسه نتایج با دو شاخص ضریب همبستگی و جذر خطای میانگین مربع ها نشانگر این است که مدل الگوریتم نزدیک ترین همسایه توانایی بیشتری نسبت به سایر مدل های یادگیری ماشین و شبکه عصبی دارد.

Keywords:

مقاومت فشاری بتن غلتکی , شبکه عصبی مصنوعی , ماشین بردار پشتیبان , درخت تصمیم گیری K نزدیک ترین همسایه