چکیده مقاله
بر اساس مطالعات پیشین، روش های سنتی تشخیص آسیب مانند بازدید بصری زمان بر و پرهزینه هستند در سه دهه اخیر، الگوریتم های یادگیری ماشین، فناوری های حسگر و علوم کامپیوتر به طور پیوسته پیشرفت کرده اند که این امر راه را برای پیاده سازی چارچوب های تشخیص آسیب مبتنی بر یادگیری ماشین هموار کرده است این مقاله، یک چارچوب تشخیص آسیب برای سازه های عمرانی با استفاده از الگوریتم های یادگیری ماشین ارائه می دهد از طبقه بند درخت تصمیم برای طبقه بندی وضعیت آسیب در ساختمان بر اساس شاخص های آسیب به دست آمده از سیگنال های شتاب خروجی ساختمان استفاده شده است سازه قاب مهاربندی شده معروف به بنچمارک پایش سلامت سازه IASC ASCE برای اعتبارسنجی روش ارائه شده به کار گرفته شد تعداد ۶۰۰۰ سیگنال نویز سفید گاوسی با طول ۱۰ ثانیه به عنوان ارتعاشات محیطی با استفاده از پلتفرم متلب به مدل مطالعه موردی اعمال شد پنج شاخص آسیب مختلف شامل شدت ارتعاش، دوره تناوب میانگین، میانگین، واریانس و فرکانس اصلی سازه برای آموزش طبقه بند استفاده شد یک الگوریتم بهینه سازی بیزی برای تنظیم ابرپارامترهای یادگیر طبقه بندی درخت تصمیم پیاده سازی شد نتایج نشان می دهد که رویکرد پیشنهادی می تواند وضعیت آسیب در ساختمان را با دقت امیدوارکننده ای تخمین بزند
کلیدواژهها
نویسندگان
شیوه ارجاع
مدنی، سیداحسان و فیوض، علیرضا و عبدالله زاده، داوود و امین نژاد، بابک،1403،تشخیص آسیب مبتنی بر ارتعاش در ساختمان های مهاربندی با استفاده از یک الگوریتم مبتنی بر درخت تصمیم،یازدهمین کنفرانس بین المللی ایده های راهبردی در معماری، عمران و شهرسازی ایران،مشهد
ارائهشده در
مجموعه مقالات یازدهمین کنفرانس بین المللی ایده های راهبردی در معماری، عمران و شهرسازی ایران12 اسفند 1403 · مشهد