پیشبینی سطوح آسیب لرزه ای و حالت شکست ستونهای بتن مسلح با استفاده از آنالیز الگوی ترک و یادگیری ماشین

چکیده مقاله

روش متداول برای ارزیابی خرابی سازه ها و المانهای سازه های پس از زلزله به صورت بازرسی چشمی در محل حادثه می باشد که برای شخص بازدید کننده نا ایمن بوده و تشخیص میزان خرابی با این روش با خطا همراه می باشد این مقاله به ارائه روش خودکار، ایمن غیر مخرب و سریع برای پیش بینی سطوح خرابی لرزه ای و حالت شکست با استفاده از آنالیز تصاویر ترک در ستونهای بتن مسلح می پردازد به منظور کمی سازی میزان خرابی از سه شاخص پیچیدگی الگوی ترک شامل شاخص ناهمگونی نفوذ و آنتروپی رنی استفاده شده است برای آموزش مدلهای مبتنی بر یادگیری ماشین، الگوریتم های مختلف یادگیری عمیق و سطحی بکار گرفته شده اند که ورودی هر یک از این الگوریتمها شامل شاخصهای تصویر، ویژگیهای سازه ای و هندسی در نظر گرفته شده است عملکرد هر یک از مدلها با استفاه از روش جستجوی شبکه ای و یافتنهایپرپارامترها بهینه سازی شده و احتمال بیش برازش مدلها با روش اعتبار سنجی متقابل بررسی گردید در پیش بینی سطوح خرابی بالاترین دقت برای الگوریتم MLP با دقت ۹۲ درصد و در مدل پیش بینی حالت شکست برای الگوریتم XGB با دقت ۹۸ درصد برای داده های تست بدست آمد

کلیدواژه‌ها

نویسندگان

سمیرا اظهری

دانشجوی دکتری، دانشکده عمران، آب و محیط زیست دانشگاه شهید بهشتی، تهران، ایران

محمدجواد حمیدیا

استادیار، دانشکده،عمران آب و محیط زیست دانشگاه شهید بهشتی، تهران، ایران

�ظهری، سمیرا و حمیدیا، محمدجواد،1404،پیشبینی سطوح آسیب لرزه ای و حالت شکست ستونهای بتن مسلح با استفاده از آنالیز الگوی ترک و یادگیری ماشین،چهاردهمین کنگره بین المللی مهندسی عمران،تهران

ارائه‌شده در

مجموعه مقالات چهاردهمین کنگره بین المللی مهندسی عمران29 مهر 1404 · تهران