استفاده از الگوریتم های یادگیری ماشین نظارتشده برا ی پیشبینی مقاومت فشاری بتن در دمای بالا

دمای بالا به شدت بر ماهیت مواد مورداستفاده برای تولید بتن تاثیر میگذارد که به نوبه خود خواص مقاومتی بتن را کاهش میدهد.دستیابی به مقاومت فشاری مطلوب بتن کاری دشوار و زمان بر است. با این حال، استفاده از رویکردهای یادگیری ماشینی نظارت شده(ML) این امکان را فراهم می کند که در ابتدا نتیجه هدفمند را با دقت بالا پیش بینی کرد. این مطالعه از ماشین بردار پشتیبان و جنگلتصادفی برای پیش بینی مقاومت فشاری بتن در دماهای بالا بر اساس ۲۰۷ داده استفاده میکند. برای اجرای مد لهای انتخاب شده ازکدنویسی پایتون در سکوی گوگل کولب استفاده شده است. در مجموع ۹ پارامتر ورودی (آب، سیمان، سنگدانه درشت، سن گدانه ریز،خاکستر بادی، فوق روان کننده ها، دوده سیلیس، نانو سیلیس و دما) به عنوان ورودی وارد شدند و یک متغیر (مقاومت فشاری) به عنوانخروجی انتخاب شد. عملکرد الگوریتم های ML مورداستفاده باتوجه به شاخص های آماری، ا ز جمله ضریب همبستگی ((R(۲)و میانگین خطا یمطلق (MAE)، میانگین مربع خطا (MSE) ارزیابی شدند. مدل های SVM و RF به ترتیب (R(۲ برابر با ۹۱ / ۰ و ۹۲ / ۰ به دست آوردند. ایننشان دهنده همبستگی قوی بین نتایج واقعی و پیش بینی شده است. در این تحقیق نشان داده شده است که استفاده از الگوریتم یادگیریماشین گروهی سطح عملکرد مدل را افزایش میدهد. با استفاده از الگوریتم های یادگیری ماشین می توان اقدام به پیش بینی مقاومت فشاریبتن در زمان کوتاه و هزینه کم اقدام نمود .

کلیدواژه ها:

بتن ، مقاومت فشاری ، دمای بالا ، پیش بینی ، ماشین بردار پشتیبان ، جنگل تصادفی