مدلسازی و پیش بینی ترک خوردگی و فرسایش مصالح بتنی در سازه های بزرگ با استفاده از شبکه های عصبی عمیق ترکیبی با داده های سنسوری زمان واقعی و شبیه سازی المان محدود

پیش بینی ترک خوردگی و فرسایش مصالح بتنی در سازه های بزرگ از چالش های اساسی مهندسی عمران و مدیریت نگهداری سازه ها است. بهره گیری از شبکه های عصبی عمیق و تحلیل داده های سنسوری زمان واقعی در ترکیب با شبیه سازی المان محدود، امکان ارائه مدلی دقیق و پویا برای ارزیابی وضعیت سلامت سازه را فراهم می کند. این مقاله به بررسی روش های ترکیبی یادگیری عمیق و شبیه سازی های عددی پرداخته و نشان می دهد که ادغام داده های سنسوری و مدل های پیش بینی مبتنی بر شبکه عصبی می تواند دقت پیش بینی ترک ها و فرسایش مصالح بتنی را بهبود بخشد و فرآیند نگهداری پیشگیرانه را بهینه کند.

کلیدواژه ها:

شبکه عصبی عمیق ، یادگیری ماشین ، شبیه سازی المان محدود ، ترک خوردگی بتن ، فرسایش مصالح ، داده های سنسوری ، سازه های بزرگ