امکان سنجی فنی و اقتصادی تولید بتن خودتراکم با استفاده از مواد جایگزین در مقایسه با بتن معمولی
Publish place: The 15th National Concrete Conference and the 21st Concrete Day Conference, commemorating Professor Ahmed Hami
Publish Year: 1402
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 127
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCCICI15_011
تاریخ نمایه سازی: 7 آبان 1402
Abstract:
دمای بالا به شدت بر ماهیت مواد مورداستفاده برای تولید بتن تاثیر می گذارد 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 م یکند که در ابتدا نتیجه هدفمند را با دقت بالا پی شبینی کرد. این مطالعه از ماشین بردار پشتیبان و جنگلتصادفی برای پی شبینی مقاومت فشاری بتن در دماهای بالا بر اساس ۲۰۷ داده استفاده میکند. برای اجرای مدل های انتخاب شده ازکدنویسی پایتون در سکوی گوگل کولب استفاده شده است. در مجموع ۹ پارامتر ورودی (آب، سیمان، سنگدانه درشت، سن گدانه ریز،خاکستر بادی، فوق روا نکنندهها، دوده سیلیس، نانو سیلیس و دما) به عنوان ورودی وارد شدند و یک متغیر (مقاومت فشاری) به عنوا نخروجی ا نتخاب شد. عملکرد ا لگوریتم های ML مورداستفاده باتوج هبه شاخص های آماری، از جمله ضریب همبستگی ((R(۲) و میانگین خطا یمطلق (MAE)، میانگین مربع خطا (MSE) ارزیابی شدند. مدل های SVM و RF به ترتیب (R(۲ برابر با ۹۱ / ۰ و ۹۲ / ۰ به دست آوردند. ایننشان دهنده همبستگی قوی بین نتایج واقعی و پیش بینی شده است. در این تحقیق نشان داده شده است که استفاده از الگوریتم یادگیریماشین گروهی سطح عملکرد مدل را افزایش می دهد. با استفاده از الگوریتم های یادگیری ماشین می توان اقدام به پیش بینی مقاومت فشاریبتن در زمان کوتاه و هزینه کم اقدام نمود.
Keywords:
Authors
امیر انصاری
کارشناس ارشد عمران، گرایش مهندسی و مدیریت ساخت، موسسه شهید رجایی، هلدینگ تخصصی راه و شهرسازی
محمد اسحاقی
کارشناس ارشد مهندسی معماری و انرژی موسسه شهید رجایی، هلدینگ تخصصی راه و شهرسازی