چکیده مقاله
دمای بالا به شدت بر ماهیت مواد مورداستفاده برای تولید بتن تاثیر میگذارد که به نوبه خود خواص مقاومتی بتن را کاهش میدهد دستیابی به مقاومت فشاری مطلوب بتن کاری دشوار و زمان بر است با این حال، استفاده از رویکردهای یادگیری ماشینی نظارت شده ML این امکان را فراهم می کند که در ابتدا نتیجه هدفمند را با دقت بالا پیش بینی کرد این مطالعه از ماشین بردار پشتیبان و جنگلتصادفی برای پیش بینی مقاومت فشاری بتن در دماهای بالا بر اساس ۲۰۷ داده استفاده میکند برای اجرای مد لهای انتخاب شده ازکدنویسی پایتون در سکوی گوگل کولب استفاده شده است در مجموع ۹ پارامتر ورودی آب، سیمان، سنگدانه درشت، سن گدانه ریز،خاکستر بادی، فوق روان کننده ها، دوده سیلیس، نانو سیلیس و دما به عنوان ورودی وارد شدند و یک متغیر مقاومت فشاری به عنوانخروجی انتخاب شد عملکرد الگوریتم های ML مورداستفاده باتوجه به شاخص های آماری، ا ز جمله ضریب همبستگی R ۲ و میانگین خطا یمطلق MAE ، میانگین مربع خطا MSE ارزیابی شدند مدل های SVM و RF به ترتیب R ۲ برابر با ۹۱ / ۰ و ۹۲ / ۰ به دست آوردند ایننشان دهنده همبستگی قوی بین نتایج واقعی و پیش بینی شده است در این تحقیق نشان داده شده است که استفاده از الگوریتم یادگیریماشین گروهی سطح عملکرد مدل را افزایش میدهد با استفاده از الگوریتم های یادگیری ماشین می توان اقدام به پیش بینی مقاومت فشاریبتن در زمان کوتاه و هزینه کم اقدام نمود
کلیدواژهها
نویسندگان
حسن حسین زاده
کارشناسی ارشد مهندسی عمران، مسئو ل امور تحقیق و توسعه سازمان عمران شهرداری مشهد
کورش نجاری
کارشناسی ارشد مهندسی عمران، مسئو ل امور طراحی و فنی منطقه ۲ شهردار ی مشهد
جواد کاشف
کارشناس ارشد مهندسی عمران، کارشناس مطالعات سازمان عمران شهرداری مشهد
علیرضا حسنی
دانشجوی کارشناسی ارشد مهندسی عمران، سرپرست گروه برنامه ریزی و توسعه سازمان عمران شهرداری مشهد
شیوه ارجاع
�سین زاده، حسن و نجاری، کورش و کاشف، جواد و حسنی، علیرضا،1402،استفاده از الگوریتم های یادگیری ماشین نظارتشده برا ی پیشبینی مقاومت فشاری بتن در دمای بالا،پانزدهمین کنفرانس ملی بتن و بیست و یکمین همایش روز بتن، بزرگداشت استاد احمد حامی،تهران
ارائهشده در
مجموعه مقالات پانزدهمین کنفرانس ملی بتن و بیست و یکمین همایش روز بتن، بزرگداشت استاد احمد حامی15 مهر 1402 · تهران