Show
Abstract
Abstract Details
پیش¬بینی مقاومت فشاری بتن با استفاده از الگوریتم¬های رگرسیونی یادگیری ماشین
Major Topic: Other|غیره
Abstract
در سال¬های اخیر استفاده از شیوه¬های هوشمند به منظور حل مساله¬های حجیم در حوزه علوم مهندسی گسترش یافته است. طرح اختلاط بتن نیز یکی از مسائلی است که در حوزه مهندسی عمران اهمیت فراوانی دارد. یافتن بهترین نسبت ترکیب مواد تشکیل¬دهنده بتن برای دستیابی به مقاومت فشاری مطلوب از جمله هدف¬های حل مساله طرح اختلاط بتن با استفاده از الگوریتم¬های یادگیری ماشین است. اساسا مساله¬های یادگیری ماشین به توجه به نوع خروجی مساله به دو دسته رگرسیون و کلاس¬بندی تقسیم¬بندی می¬شوند. الگوریتم¬های رگرسیون به پیش¬بینی مقادیر کمی مانند قیمت، سن و غیره می-پردازد در حالی¬که الگوریتم¬های کلاس¬بندی به منظور طبقه¬بندی مقادیر گسسته مورد استفاده قرار می¬گیرند. در این پژوهش به بررسی و مقایسه الگوریتم¬های رگرسیون یادگیری ماشین پرداخته شده است. بر همین اساس از یک مجموعه داده 1000 تایی طرح اختلاط بتن استفاده شده است. پارامترهایی نظیر نسبت آب به موا سیمانی، میزان سیمان، مقدار فوق¬روان¬کننده و غیره بر طرح اختلاط بتن تاثیرگذار بوده است. با توجه به نتایج بدست آمده، استفاده از روش¬های مبتنی بر درخت تصمیم سرعت تحلیل را بهبود بخشیده و ضریب همبستگی بهتری را نسبت به روش¬های شبکه عصبی و بردار پشتیبان ارائه می¬کند.
Keywords
مقاومت¬ فشاری بتن; شبکه عصبی مصنوعی; ماشین بردار پشتیبان; درخت تصمیم¬گیری
Highlighs
- اهمیت دستیابی به مقاومت فشاری بتن بدون انجام آزمایش مخرب
- بالا بردن عملکرد الگوریتم یادگیری ماشین با استفاده از مدل های مبتنی بر درخت
- مقایسه عملکرد الگوریتم های مختلف یادگیری ماشین
Referencrs
رمضانیان¬پور، ع. ا.، پیلوار، ا. ر. و سبحانی، ج.، (1391)، " تخمین مقاومت فشاری بتن با استفاده از شبکه عصبی مصنوعی،" چهارمین کنفرانس ملی سالیانه بتن ایران، تهران، ایران.
Cortes, C., & Vapnik, V. (1995). Support-vector networks. Machine learning, 20(3), 273-297.
Breiman, L. (2001). Random forests. Machine learning, 45(1), 5-32.