تخمین انرژی شکست بتن با استفاده از روشهای یادگیری ماشینی

با توجه به هزینه های بالای تهیه نمونه ها در آزمایشگاه و زمان بر بودن انجام آزمایش به صورت تجربی، تمایل به استفاده از مدل های پیش بینی در تخمین مشخصات شکست بتن افزایش یافته است. یکی از پارامترهای مهم بتن، انرژی شکست آن می باشد که بر اساس مفاهیم مکانیک شکست بتن محاسبه می شود. این پارامتر با استفاده از روش های مختلفی مانند روش کار شکست (WFM) و روش اثر اندازه (SEM) در محیط آزمایشگاه تعیین می شود. در این راستا و در تحقیق حاضر پس از تهیه بانک داده ای شامل ۷۵۱ سری داده با در نظر گرفتن مقاومت فشاری، حداکثر قطر سنگدانه، سن عمل آوری، نسبت آب به سیمان و نوع نمونه (WFM=۱، SEM=۲) به عنوان پارامترهای ورودی تلاش شده است تا انرژی شکست بتن با استفاده از مدل های شبکه عصبی مصنوعی (ANN)، سیستم استنتاج عصبی فازی تطبیقی ANFIS، روش کریجینگ Kriging و روش رگرسیون بردار پشتیبان SVR تخمین زده شود. نتایج نشان داد که ضریب همبستگی مدل های ANN، Anfis، Kriging و SVR به ترتیب برابر با ۰.۸۷۲، ۰.۸۷۱، ۰.۹۵۷ و ۰.۹۱۸ می باشد. از طرفی، مدل Kriging دارای میزان MSE و MAE به ترتیب برابر با ۱۲۱.۶۸ و ۴.۹۴ می باشد.

کلیدواژه ها:

روش کار شکست ، روش اثر اندازه ، شبکه عصبی مصنوعی ، مدل انفیس ، روش کریجنگ ، مدل رگرسیون بردار پشتیبان