مدلسازی ضریب جذب صدا برای پانل های میکرومتخلخل طبیعی چوب کاج یک لایه و دو لایه abstract
مقدمه : جاذبهای میکرومتخلخل ۵(MPP) به عنوان جاذب سبز به طور گسترده در طراحی آکوستیک و کنترل صدا استفاده می شود. هدف از مطالعه حاضر
مدلسازی ضریب جذب صدا در پانل های میکرومتخلخل طبیعی
چوب کاج یک لایه و دو لایه می باشد.روش کار: در این پژوهش ، طراحی آزمایش بر اساس فول فاکتور انجام گرفت . پانل های میکرومتخلخل تک لایه و دولایه از جنس درخت کاج ساخته شد. در ادامه اثر کاربرد کامپوزیت های ساخته شده از الیاف و براده های
چوب کاج با دانسیته های ۲۰۰ تا۳۵۰ کیلوگرم بر متر مکعب و ضخامت متغیر ۵/۰ تا ۵/۲ سانتیمتر بر میزان جذب صوت پانل های میکرو متخلخل ساخته شده در مراحل قبلی بررسی گردید. برای اندازه گیری
ضریب جذب صدا از دستگاه امپدانس تیوب ساخت بر اساساستاندارد ۲_۱۰۵۳۴ISO استفاده شد از آزمونهای آماری ناپارامتریک همچون کروسکال-والیس و من ویتنی استفاده شد. تمامی آنالیزها توسط نرم افزار آماری SPSS ورژن ۲۷ IBM SPSS STATISTIC ، مورد تجزیه و تحلیل قرار گرفت . برای
مدلسازی از الگوریتم های مبتنی بر شبکه های عصبی مصنوعی ، ماشین بردار پشتیبان و یادگیری ماشین استفاده شد.نتایج : نتایج نشان داد که پانل های دولایه ضریب جذب صدای بیشتری نسبت به پانل های تک لایه دارند. آزمون کروسکال والیس جهت بررسی میانه و میانگین ضریب جذب در سه ضخامت مختلف معنی دار بود(۰۵,۰ .(pvalue< در پانل های تک لایه تغییر فاصله هوایی باعث افزایش معنی دار
ضریب جذب صدا شد(۰۵,۰<۰۰۶,۰.(p-value= در پانل های دولایه تغییر فاصله هوایی باعث تغییر معنادار در میانه ضریب جذب پانل ها شد. نتیجه آزمون در پانل های دولایه معنی دار است (۰۵,۰(pvalue< بنابراین فرض صفر رد و فرض مقابل در مورد این چوبها پذیرفته می شود.نتیجه گیری : استفاده از مدلهای یادگیری ماشین نسبت به مدل رگرسیون باعث تخمین دقیق تر ضریب جذب پانل می شود. همچنین ضخامت پانل در ضریب جذب تاثیرگذار است . میتوان با انتخاب ضخامت ، قطر تخلخل و تعداد لایه و دیگر ویژگی ها و همچنین انتخاب چوب مناسب به صورت قابل قبولی ضریب جذب را پیش بینی کرد. در مجموع، با توجه میزان خطای مدلهای یادگیری ماشین میتوان گفت این مدلها از توانایی بهتری در تخمین
ضریب جذب صدا برخوردارند و تخمین ضریب جذب را باخطای کمتری نسبت به مدل رگرسیون انجام میدهند.
