پیش بینی مدول الاستیسیته تیر یک سر گیردار ساخته شده از جنس های مختلف با استفاده از الگوریتم یادگیری ماشین

تیرها به عنوان سازه های پرکاربردی شناخته می شوند که در صنایع گوناگون به کار می روند. وظیفه اصلی تیرها، تحمل تنش های حاصل از نیروهای برشی و ممان های خمشی است. با توجه به اهمیت ردیابی تیرها، در این پژوهش با استفاده از مدل یادگیری ماشین و استفاده از الگوریتم های مختلف مانند نزدیک ترین همسایه، درخت تصمیم و شبکه عصبی و با استفاده از داده های نرم افزاری استخراج شده انواع مختلف مواد از جمله فلزات خالص، آلیاژها و غیرفلزات مورد بررسی قرار گرفتند و میزان تنش، کرنش و نسبت پواسون بر روی آن ها نیز اندازه گیری شده که با استفاده از ساخت مدل توسط الگوریتم های ذکر شده نتایج نشان دادند که مدل شبکه عصبی با دقت %۹/۹۹ بیشترین دقت را در مقایسه با دیگر مدل ها دارد. همچنین در ساخت این مدل از دو لایه مخفی با ۴۰ نورون استفاده شده است.

کلیدواژه ها:

تیر یک سر گیردار ، یادگیری ماشین ، درخت تصمیم ، نزدیک ترین همسایه ، شبکه عصبی