ارائه مدل های تلفیقی MARS-PSO و ELM-PSO درتخمین مقاومت فشاری بتن در ستون های بتنی دایره یی محصورشده با الیاف پلیمری FRP

هدف از پژوهش حاضر، استفاده از مدل های هوش مصنوعی رگرسیون اسپلاین چندمتغیره ی تطبیقی )M A R S( و ماشین یادگیری سریع (E L M) جهت تخمین مقاومت فشاری بتن در ستون های بتنی دایره یی محصور شده با F R P است. به علاوه، برای بهبود دقت مدل های ذکر شده، از الگوریتم ازدحام ذرات (P S O) نیز در تلفیق با آنها استفاده و دقت مدل ها در جهت تخمین مقاومت بررسی و ارزیابی شده است. نتایج نشان می دهند که به طور کلی مدل های هوش مصنوعی استفاده شده، مقاومت فشاری ستون های محصور شده با F R P را نسبت به مدل های تحلیلی موجود با دقت بیشتری تخمین می زنند. به ویژه مدل تلفیقی M A R S-P S O، عملکرد بهتری در مقایسه با دیگر مدل های استفاده شده داشته است، به نحوی که ضریب های همبستگی آن در مرحله ی آموزش، ۹۹۷۲/۰ و در مرحله ی آزمایش، ۹۹۶۱/۰ بوده است. همچنین تلفیق الگوریتم P S O با دو مدل M A R S و E L M، باعث بهبود دقت آنها به ترتیب به اندازه ی ۱۳/۶ و ۶۸/۴ درصد شده است.

کلیدواژه ها:

رگرسیون اسپلاین چندمتغیره ی تطبیقی ، ماشین یادگیری سریع ، مقاومت فشاری ستون های بتنی دایره یی ، هوش مصنوعی ، الگوریتم فراابتکاری ازدحام ذرات