چکیده مقاله
دمای بالا به شدت بر ماهیت مواد مورداستفاده برای تولید بتن تاثیر می گذارد 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 م یکند که در ابتدا نتیجه هدفمند را با دقت بالا پی شبینی کرد این مطالعه از ماشین بردار پشتیبان و جنگلتصادفی برای پی شبینی مقاومت فشاری بتن در دماهای بالا بر اساس ۲۰۷ داده استفاده میکند برای اجرای مدل های 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 روا نکنندهها، دوده سیلیس، نانو سیلیس و دما به عنوان ورودی وارد شدند و یک متغیر مقاومت فشاری به عنوا نخروجی ا نتخاب شد عملکرد ا لگوریتم های ML مورداستفاده باتوج هبه شاخص های آماری، از 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 می دهد 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
شیوه ارجاع
�نصاری، امیر و اسحاقی، محمد،1402،امکان سنجی فنی و اقتصادی تولید بتن خودتراکم با استفاده از مواد جایگزین در مقایسه با بتن معمولی،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