پیش بینی فرکانس های طبیعی ورق ترک دار با استفاده از روش های یادگیری ماشین

در این تحقیق فرکانس های طبیعی اول تا چهارم یک ورق ترکدار با تکیه گاه های ساده با استفاده از روشهای یادگیری ماشین جنگل تصادفی و رگرسیون خطی پیش بینی می شود. ابتدا تعداد ۲۰۰ مشاهده به عنوان مجموعه داده های آزمایشی و تئوری جهت پیش بینی فرکانسهای طبیعی استخراج شد. طول، عمق و محل ترک به عنوان پارامترهای موثر بر فرکانس های طبیعی انتخاب شد. همچنین بصورت تصادفی از %۸۰ داده ها جهت آموزش و از %۲۰ داده ها جهت آزمایش مدل ایجاد شده استفاده شد. جهت ارزیابی عملکرد مدل های ایجاد شده شاخص های مختلف آماری برای داده های آموزشی و آزمایشی مورد بررسی و تحلیل قرار گرفت. نتایج نشان داد که پیش بینی فرکانس های طبیعی با استفاده از هر دو روش دارای دقت بسیار بالا برای داده های آموزشی و آزمایشی است. ملاحظه شد که بالاترین میزان ضریب همبستگی برای داده های آموزش و آزمایش به ترتیب ۹۹۹/۰ و ۹۹۲/۰ است. همچنین بیشترین مقدار ریشه میانگین مربعات خطا برای داده های آموزش و آزمایش به ترتیب ۴۳/۰ و ۷/۲ حاصل شد که بیانگر دقت بسیار بالای مدل پیشنهادی است. همچنین از بررسی قابلیت اعتماد و تعمیم پذیری مدل ها مشاهده شد که مدل ایجاد شده بوسیله روش جنگل تصادفی در همه فرکانس ها پایداری و تعمیم پذیری بالاتری دارد.

کلیدواژه ها:

فرکانس طبیعی ، ترک ، یادگیری ماشین ، جنگل تصادفی ، ضریب همبستگی