توسعه مدل های پیش بینی خوردگی در ناحیه جوش با استفاده از داده کاوی و یادگیری ماشین

خوردگی در ناحیه جوش یکی از چالش های مهم در دوام و ایمنی سازه های فلزی است که در صنایع نفت، گاز، نیروگاهی و دریایی اهمیت ویژه ای دارد. با توجه به پیچیدگی فرآیندهای متالورژیکی در ناحیه جوش و تاثیر متقابل عوامل حرارتی، ترکیبی و مکانیکی، روش های کلاسیک پیش بینی خوردگی غالبا ناکافی بوده اند. پیشرفت های اخیر در حوزه ی داده کاوی و یادگیری ماشین، امکان تحلیل حجم عظیمی از داده های تجربی و شناسایی الگوهای پنهان را فراهم ساخته است. هدف این مقاله، بررسی روش های نوین مبتنی بر هوش مصنوعی برای پیش بینی رفتار خوردگی در ناحیه جوش و ارائه چارچوبی برای توسعه مدل های دقیق تر و قابل اعتمادتر است. یافته ها نشان می دهد که مدل های یادگیری ماشین از جمله شبکه های عصبی مصنوعی، درخت تصمیم و ماشین بردار پشتیبان، قادرند با دقت بالا نرخ خوردگی و نواحی مستعد تخریب را پیش بینی نمایند. ترکیب این مدل ها با داده کاوی متالورژیکی، مسیر جدیدی در پایش وضعیت جوش و افزایش عمر مفید سازه های فلزی ایجاد کرده است.

کلیدواژه ها:

خوردگی جوش ، داده کاوی ، یادگیری ماشین ، متالورژی جوش ، پیش بینی خوردگی ، مدل سازی هوشمند