چکیده مقاله
خوردگی به عنوان یکی از عوامل اصلی کاهش عمر و تخریب ستونهای بتنی مسلح شناخته شده است این پدیده می تواند به طور قابل توجهی بر رفتار سازه ای ستون ها تحت بارهای لرزه ای تاثیر بگذارد روش های متداول ارزیابی و تحلیل پاسخ لرزه ای ستونهای بتن مسلح تحت اثر خوردگی، اغلب زمان بر بوده و نیازمند مدل های آزمایشگاهی و عددی می باشند که ممکن است با چالش های محاسباتی مواجه شوند این چالش ها، انجام تحلیل های سریع و کارآمد ارزیابی خرابی ستونها در مقیاس های بزرگتر را دشوار می سازد با توجه به توسعه هوش مصنوعی در حوزه مهندسی، یکی از راهکارهای رفع این مشکل، استفاده از الگوریتم های هوش مصنوعی می باشد در این مطالعه به منظور پیش بینی حالت های خرابی ستونهای بتن مسلح با درصدهای خوردگی مختلف از پنج الگوریتم یادگیری ماشین شامل Random Forest، Nave Bayes، Decision tree، KNN و SVM استفاده شده است بدین منظور برای ایجاد پایگاه داده مدل اجزای محدود ستون بتن مسلح خورده شده آزمایشگاهی تحت بارگذاری چرخه ای توسعه داده شده و پس از صحت سنجی مدل عددی با مدل آزمایشگاهی، حالت های خرابی ستون با مشخصات مختلف به کمک الگوریتم های یادگیری ماشین پیش بینی می شود نتایج نشان می دهد که الگوریتم درخت تصمیم عملکرد بهتری در پیش بینی وضعیت خرابی ستونهای بتن مسلح تحت خوردگی دارد
کلیدواژهها
نویسندگان
حسین حاجی حسن
دانشجوی مهندسی عمران، دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران
شیما محبوبی
استادیار، دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران
شیوه ارجاع
�اجی حسن، حسین و محبوبی، شیما،1404،پیش بینی حالت خرابی ستونهای بتن مسلح خورده شده تحت بارگذاری چرخهای با استفاده از الگوریتمهای یادگیری ماشین،چهاردهمین کنگره بین المللی مهندسی عمران،تهران
ارائهشده در
مجموعه مقالات چهاردهمین کنگره بین المللی مهندسی عمران29 مهر 1404 · تهران