پیش بینی مقاومت برشی اتصالات خارجی سازه های بتن آرمه با استفاده از مدل های رگرسیونی چندخطی ، خطی ، مرتبه دوم کامل ، فعل و انفعالی و غیر خطی

از سال ۱۹۷۰، بسیاری از محققین روی بهبود رفتار اتصالات تیر-ستون سازه های بتن آرمه تمرکز کرده اند. تشخیص داده شده است که برش اتصال در اتصالات تیر- ستون سازه های بتن آرمه حیاتی است . اتصالات تیر-ستون نقشی حیاتی را در یکپارچگی سازه ای در طول پاسخ سازه ها تحت بارگذاری لرزه ای بازی می کنند. مهمترین پارامترهای مشخصه ای که روی یک اتصال خارجی تیر -ستون تاثیر می گذارند، همچون مقاومت فشاری بتن ، عرض و ارتفاع مقطع عرضی تیر و ستون، تعداد و قطر میلگردهای بالا و پایین مقطع عرضی تیر، تنش تسلیم میلگردهای طولی تیر، تنش تسلیم خاموت های افقی اتصال، تنش تسلیم میلگردهای میانی ستون، بار محوری ستون، مساحت کل مقطع عرضی خاموت های افقی اتصال و مساحت کل مقطع عرضی میلگردهای میانی ستون می باشند. این مقاله پنج مدل رگرسیونی موثر را برای ارزیابی پانزده پارامتر مشخصه ارائه می کند. پارامترهای ورودی شامل مقاومت فشاری بتن (fc)، عرض تیر (bb)، ارتفاع تیر (hb)، عرض ستون (bc)، ارتفاع ستون (hc)، مقاومت تسلیم میلگردهای تیر (fyb)، تعداد و قطر میلگردهای طولی بالا و پایین مقطع تیر (ntb,nbb,dtb,dbb)، مقاومت تسلیم خاموت های افقی اتصال (fyh)، مساحت کل خاموت های افقی اتصال (Ash)، مقاومت تسلیم میلگردهای میانی ستون (fyv)، مساحت کل میلگردهای میانی ستون (Asv) و بار محوری ستون (P) می شدند. پارامتر خروجی نیروی برشی افقی اتصال با محدوده KN ۲۹,۶۲ تا KN ۸,۱۷۷۱بود. یکی از چالش های موجودی که در مقاومت برشی اتصالات تیر-ستون وجود داشته است پیچیدگی مکانیزم ها و مقادیر مختلف آیین نامه ای است . مدل های رگرسیونی چند -خطی ۴، خطی ۵، مرتبه دوم کامل ۶، فعل و انفعالی ۷ و غیر خطی ۸ برای پیش بینی نیروی برشی افقی اتصال استفاده شدند. از ۲۷۳ مجموعه داده از اتصالات خارجی تیر-ستون، پس از نرمال سازی داده ها در بازه ۰۵,۰ تا ۹۵,۰، ۷۰ درصد داده ها برای آموزش و ۳۰ درصد دیگر برای تست تقسیم گردیدند. بر اساس ضوابط ارزیابی ، که شامل خطای میانگین قدر مطلق (MAE)، خطای مربع میانگین ریشه (RMSE)، ضریب تعیین توابع (R۲) و تابع هدف (OBJ) می شوند عملکرد هر کدام از مدل ها ارزیابی شدند و بیشترین تاثیر پارامترهای مشخصه نشان داده شد.

کلیدواژه ها:

اتصالات خارجی تیر-ستون ، مقاومت برشی ، طراحی لرزه ای ، یادگیری ماشین ، رگرسیون