پیشبینی حالت شکست ستونهای بتن مسلح با استفاده از الگوریتمهای یادگیری ماشین

ارزیابی حالت شکست ستونهای بتن مسلح تحت بارهای لرزه ای از اهمیت بالایی برخوردار است زیرا تعیین دقیق حالت شکست اعم از شکست برشی، خمشی یا خمشی برشی به بهبود دانش مهندسان در طراحی ستونهای باربر لرزه ای و افزایش ایمنی در برابر زلزله کمک می کند. در این مطالعه از الگوریتمهای یادگیری ماشین نظارت شده برای پیش بینی حالت شکست ستونهای بتن مسلح مستطیلی استفاده شده است. داده های مورد استفاده شامل پارامترهای سازه ای مانند ابعاد ستون، درصد میلگردهای طولی، مقاومت فشاری بتن، تنش تسلیم میلگردهای طولی و خاموتها، شاخص خرابی مبتنی بر مقاومت استخراج شده از نمودارهای رفتار چرخهای و جابجایی نسبی تجربه شده توسط ستونها میباشد. این دادهها از آزمایشهای تجربی ستونهایی با حالتهای شکست مختلف و پارامترهای سازه ای متنوع جمع آوری شده که میتواند موجب تعمیم پذیری مدل گردد. الگوریتم هایی مانند تقویت گرادیان افراطی (XGBoost)، جنگل تصادفی (RandomForest) و ماشین بردار پشتیبان (SVM) برای آموزش و پیش بینی به کار گرفته شده اند. نتایج نشان میدهد که الگوریتم تقویت گرادیان افراطی با دقت ۹۷ در پیشبینی حالت شکست، می تواند به عنوان ابزاری در جهت شناخت هر چه بیشتر رفتار ستونهای بتن مسلح مورد استفاده قرار گیرد.

کلیدواژه ها:

حالت ، شکست ستون بتن مسلح ، مستطیلی ، یادگیری ماشین ، پایش سلامت سازه ، طبقه بندی