پیش بینی مقاومت فشاری خشت با استفاده از الگوریتم های یادگیری ماشین

چکیده مقاله

خشت یکی از قدیمی ترین مصالح ساختمانی مورد استفاده بشر است که به دلیل در دسترس بودن مواد اولیه، هزینه ساخت پایین، سازگاری با محیط زیست و عملکرد مناسب حرارتی، در بسیاری از مناطق جهان به ویژه کشورهای دارای اقلیم گرم و خشک مورد استفاده قرار گرفته است با وجود مزایای فراوان، رفتار مکانیکی خشت تحت تاثیر عوامل متعددی از جمله ترکیب خاک، میزان رطوبت، درصد رس، تراکم، شرایط عمل آوری و افزودنی های طبیعی قرار دارد ارزیابی مقاومت فشاری خشت معمولا از طریق آزمایش های آزمایشگاهی انجام می شود که مستلزم صرف زمان، هزینه و تجهیزات تخصصی است در سال های اخیر، پیشرفت های چشمگیر در حوزه هوش مصنوعی و یادگیری ماشین موجب شده است که پژوهشگران از این فناوری ها برای پیش بینی خواص مهندسی مصالح ساختمانی استفاده نمایند هدف این پژوهش بررسی قابلیت الگوریتم های یادگیری ماشین در پیش بینی مقاومت فشاری خشت و تحلیل عوامل موثر بر دقت این مدل ها است در این مطالعه، ضمن معرفی مهم ترین الگوریتم های یادگیری ماشین شامل شبکه عصبی مصنوعی، ماشین بردار پشتیبان و جنگل تصادفی، کاربرد آن ها در پیش بینی رفتار مصالح ساختمانی مورد بررسی قرار گرفته است نتایج مطالعات پیشین نشان می دهد که مدل های هوشمند قادرند روابط پیچیده و غیرخطی میان ویژگی های فیزیکی مصالح و مقاومت فشاری آن ها را با دقت مطلوب شناسایی نمایند استفاده از این فناوری می تواند ضمن کاهش تعداد آزمایش های مورد نیاز، به بهینه سازی فرآیند طراحی و تولید مصالح سنتی کمک کند

کلیدواژه‌ها

نویسندگان

بهاره محبعلی زاده

مدیر طرح های توسعه شهری، شهرداری شهریار، تهران، ایران

ستایش سلمانی

دانشجوی کارشناسی مهندسی عمران،دانشگاه آزاد اسلامی واحد علوم تحقیقات

عرفان مجتهد زاده

دانشجوی دکتری مهندسی عمران،مهندسی و مدیریت ساخت دانشگاه آزاد اسلامی واحد علوم و تحقیقات

�لمانی، ستایش و مجتهد زاده، عرفان،1405،پیش بینی مقاومت فشاری خشت با استفاده از الگوریتم های یادگیری ماشین،سی امین کنفرانس ملی مهندسی عمران، معماری و توسعه شهری،بابل

ارائه‌شده در

مجموعه مقالات سی امین کنفرانس ملی مهندسی عمران، معماری و توسعه شهری31 تیر 1405 · بابل