تحلیل حساسیت مدلهای یادگیری ماشین در پایش سلامت سازه ها با استفاده از دادههای شبیه سازی شده
- سال انتشار: 1403
- محل انتشار: چهارمین کنفرانس بین المللی عمران، معماری و فناوری اطلاعات در زندگی شهری
- کد COI اختصاصی: CRMCE04_005
- زبان مقاله: فارسی
- تعداد مشاهده: 100
نویسندگان
چکیده
پایش سلامت سازه ها (Structural Health Monitoring – SHM) یکی از چالش های اساسی در مهندسی عمران و زلزله است که هدف آن ارزیابی مستمر وضعیت سازه ها و تشخیص به موقع آسیب های ساختاری می باشد. با توجه به پیچیدگی داده های لرزه ای، بهره گیری از روش های یادگیری ماشین می تواند به بهبود دقت و سرعت تحلیل این داده ها کمک کند. در این پژوهش، حساسیت و عملکرد چهار مدل یادگیری ماشین شامل رگرسیون لجستیک، ماشین بردار پشتیبان (SVM)، جنگل تصادفی (Random forest) و شبکه عصبی مصنوعی (ANN) در تشخیص سطح آسیب دیدگی سازه ها با استفاده از داده های شبیه سازی شده مورد بررسی قرار گرفته است. نتایج به دست آمده نشان می دهد که مدل جنگل تصادفی با دقت ۹۹% دقیق ترین پیش بینی را ارائه داد، در حالی که شبکه عصبی مصنوعی نیز با دقت ۹۸% عملکرد بسیار مطلوبی از خود نشان داد. مدل SVM با دقت ۹۴% و رگرسیون لجستیک با دقت ۸۹%، بیانگر آن است که مدل های پیچیده تر و غیرخطی، می تواند به طور قابل توجهی دقت پایش سلامت سازه ها را افزایش دهد.کلیدواژه ها
پایش سلامت سازه ها, یادگیری ماشین, جنگل تصادفی, شبکه عصبی مصنوعی, داده های لرزه ایمقالات مرتبط جدید
- Generative Design of Structural Forms Using Deep Generative Models: A New Paradigm in Structural Engineering
- مطالعه تطبیقی همنشینی زیباشناسی سبک مدرن و کلاسیک در طراحی معماری داخلی فضای خانه ها
- Investigating the Effect of Facade Material on the Amount of Carbon Emission (a case study of a residential building in Tehran)
- Comparative Analysis of Prefabricated Modular and Conventional Construction Systems: Efficiency, Cost, and Implementation Challenges
- An AI-Driven and Digital Twin-Based Framework for Climate-Resilient and Sustainable Infrastructure Management in Palm Jumeirah: A Case Study Integrating Remote Sensing, Numerical Modeling, and Green Project Practices
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.