مدلسازی رفتار سنگ های ساختمانی طبیعی با استفاده از یادگیری ماشین

سنگ های ساختمانی طبیعی از مهم ترین مصالح مورد استفاده در پروژه های عمرانی، معماری و ژئوتکنیک محسوب می شوند. ویژگی های مکانیکی، فیزیکی و دوام این مصالح نقش تعیین کننده ای در عملکرد سازه ها و ایمنی آن ها دارد. روش های سنتی تعیین خصوصیات سنگ ها عمدتا مبتنی بر آزمایش های آزمایشگاهی زمان بر، پرهزینه و گاه مخرب هستند. با گسترش علوم داده و ظهور الگوریتم های یادگیری ماشین، امکان پیش بینی رفتار سنگ ها با استفاده از داده های موجود و بدون انجام آزمایش های متعدد فراهم شده است. در سال های اخیر، پژوهشگران بسیاری از الگوریتم هایی نظیر شبکه های عصبی مصنوعی، ماشین بردار پشتیبان، درخت تصمیم، جنگل تصادفی و روش های یادگیری عمیق برای مدلسازی مقاومت فشاری، مدول الاستیسیته، دوام و سایر ویژگی های سنگ های ساختمانی استفاده کرده اند. هدف این مقاله، بررسی جامع کاربرد روش های یادگیری ماشین در مدلسازی رفتار سنگ های ساختمانی طبیعی، مقایسه الگوریتم های مختلف، تحلیل مزایا و محدودیت ها و ارائه چشم اندازهای آینده این حوزه است. همچنین مطالعات انجام شده در ایران و جهان مورد بررسی قرار گرفته و مهم ترین پارامترهای تاثیرگذار بر دقت مدل ها معرفی شده اند.

کلیدواژه ها:

سنگ ساختمانی ، یادگیری ماشین ، شبکه عصبی مصنوعی ، مدلسازی رفتار مصالح ، مقاومت فشاری ، داده کاوی