مروری بر کاربردهای یادگیری ماشین در طراحی و بهبود بتن سبز: رویکردها، مدل ها و چالش ها

در دهه های اخیر، با افزایش نگرانی ها درباره تغییرات اقلیمی و نیاز به کاهش اثرات زیست محیطی صنایع، تولید مصالح سازگار با محیط زیست همچون بتن سبز به اولویتی جهانی تبدیل شده است. یادگیری ماشین و هوش مصنوعی به عنوان ابزارهای قدرتمند برای پیش بینی، بهینه سازی و طراحی ترکیبات بتن سبز، تحولی بنیادین در این زمینه ایجاد کرده اند. این مقاله مروری، به بررسی کاربردهای یادگیری ماشین در توسعه و بهبود بتن سبز می پردازد. الگوریتم های مختلفی نظیر شبکه های عصبی مصنوعی (ANN)، جنگل تصادفی (RF)، گرادیان تقویتی (GBR) و مدل های ترکیبی، در پیش بینی مقاومت فشاری، کاهش میزان کربن نهفته و بهینه سازی ترکیبات استفاده شده اند. علاوه بر تحلیل دقیق مدل ها، چالش های مربوط به داده کاوی، پیچیدگی الگوریتم ها و محدودیت های عملیاتی نیز مورد بحث قرار می گیرد. نتایج این مطالعه نشان می دهد که یادگیری ماشین می تواند به بهبود کارایی و پایداری بتن سبز کمک کند و چشم اندازهای نوینی برای صنعت ساخت وساز فراهم سازد.

Keywords:

بتن سبز , بهینه سازی ترکیبات بتن , یادگیری ماشین , هوش مصنوعی