ConfOrganizer 

پیش‌بینی مقاومت فشاری بتن حاوی الیاف فولادی صنعتی به کمک الگوریتم‌های یادگیری ماشین

•   Mr. Seyyed Soroush Pakzad ,  Master of science , Civil Engineering Department, Ferdowsi University of Mashhad, Mashhad, Iran ,   
•   Mr. Naeim Roshan ,  دانشگاه فردوسی مشهد ,   
•   Dr. Mansour Ghalehnovi ,  استاد گروه عمران- دانشگاه فردوسی مشهد ,   

Major Topic: تکنولوژی بتن

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 الیافی 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. در این پژوهش به بررسی و مقایسه الگوریتم¬های رگرسیون یادگیری ماشین به منظور پیش‎بینی مثاومت فشاری بتن حاوی الیاف فولادی پرداخته شده است. بر همین اساس از یک مجموعه داده‌ شامل 260 طرح اختلاط بتن حاوی الیاف فولادی صنعتی با درصدهای حجمی‌ (صفر تا سه درصد) متفاوت استفاده شده است. پارامترهایی نظیر درصد حجمی الیاف فولادی صنعتی، نسبت طول به قطر الیاف، نسبت آب به مواد سیمانی، میزان سیمان، و مقدار فوق¬روان¬کننده بر طرح اختلاط بتن تاثیرگذار بوده است. الگوریتم های ماشین بردار پشتیبان، رگرسیون خطی، شبکه عصبی مصنوعی و درخت تصمیم ( الگوریتم های M5P و REP Tree و Random Forest ) روی این دیتاست اجرا شد و 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 الیافی; یادگیری ماشین; الیاف فولادی صنعتی; بتن الیافی

1. 1. Kang, M. C., Yoo, D. Y., & Gupta, R. (2021). Machine learning-based prediction for compressive and flexural strengths of steel fiber-reinforced concrete. Construction and Building Materials, 266, 121117

2. 2. Abuodeh, O. R., Abdalla, J. A., & Hawileh, R. A. (2020). Assessment of compressive strength of Ultra-high Performance Concrete using deep machine learning techniques. Applied Soft Computing, 95, 106552.

3. 3. Vidivelli, B., & Jayaranjini, A. (2016). Prediction of compressive strength of high performance concrete containing industrial by products using artificial neural networks. Int J Civ Eng Technol, 7(2), 302-314.

4. 4. رمضانیانپور، علی اکبر و پیلوار، امیررضا و سبحانی، جعفر،(1391)،تخمین مقاومت فشاری بتن با استفاده از شبکه عصبی مصنوعی،چهارمین کنفرانس ملی بتن ایران،تهران

5. 5. ترکان، مهتاب و نادری دهکردی، محمد،(1395)،بهینه سازی مدل رگرسیون بردار پشتیبان (SVR) با استفاده از الگوریتم بهینه سازی ازدحام ذره (PSO) به منظور پیش بینی مقاومت فشاری 28 روزه بتن،کنفرانس بین المللی مهندسی و علوم کامپیوتر،نجف آباد

6. 6. داودی، هادی،(1395)،ارزیابی تاثیر فوق روان کننده بر مقاومت فشاری بتن با استفاده از الگوریتم طبقه بندی درخت تصمیم،چهارمین همایش ملی مصالح ساختمانی و فناوری های نوین در عمران،معماری و شهرسازی،میبد

7. 7. برنجیان، جواد و فروهر، نویدرضا و قاسمی، محسن،(1393)،پیش بینی مشخصات سخت شده بتن خودتراکم الیافی به کمک شبکه های عصبی مصنوعی