پیش‌بینی مقاومت فشاری بتن مبتنی بر یادگیری ماشین گروهی
کد مقاله : 1005-CNF
نویسندگان
حسن حسین زاده *1، علیرضا حسنی2، سینا آرمان3، علیرضا صفی پور طرقی4
1گروه آموزشی مهندسی عمران، دانشکده فنی مهندسی، موسسه آموزش عالی اقبال لاهوری، مشهد، ایران
2سازمان عمران شهرداری مشهد
3سازمان عمران شهرداری مشهد/ کارشناس ارشد مهندسی عمران، گروه مهندسی عمران، دانشگاه آزاد اسلامی، مشهد
4سازمان عمران شهرداری مشهد/کارشناس ارشد بازسازی پس از سانحه، گروه معماری منظر و بازسازی، دانشگاه شهید بهشتی، تهران
چکیده مقاله
در این مقاله، یک رویکرد هوشمند مبتنی بر تکنیک یادگیری ماشین برای پیش‌بینی مقاومت فشاری بتن پیشنهاد شده است. این رویکرد از الگوریتم جنگل تصادفی برای ایجاد یک یادگیرنده گروهی با ادغام چندین یادگیرنده ضعیف استفاده می‌کند که می‌تواند ارتباط بین داده‌های ورودی و خروجی را پیدا کند. یادگیرنده ضعیفی که خطای پیش‌بینی‌اش کوچک است وزن بیشتری در کل سیستم خواهد داشت، بنابراین دقت کلی یادگیرنده گروهی افزایش می‌یابد. درمجموع ۱۰۳۰ نمونه آزمایش مقاومت فشاری بتن برای آموزش و آزمایش مدل جمع‌آوری شده است که در آن اجزای مخلوط بتن (مانند سنگ‌دانه‌های درشت/ریز، سیمان، آب، مواد افزودنی و غیره) و زمان عمل‌آوری به‌عنوان مقادیر ورودی و مقدار مقاومت فشاری به‌عنوان داده‌های خروجی تنظیم شدند. روش پیشنهادی از طریق یک روش اعتبارسنجی متقاطع 10 برابری تأیید می‌شود و به‌دقت متوسط بیش از 90 درصد ازنظر ضریب تعیین می‌رسد. رویکرد پیشنهادی همچنین با برخی دیگر از تکنیک‌های یادگیری ماشین مانند شبکه عصبی مصنوعی و ماشین بردار پشتیبان و غیره مقایسه شد که نتایج، مطلوبیت روش جنگل تصادفی را نسبت به این روش‌ها نشان می‌دهد. درنهایت، تأثیر برخی از عوامل کلیدی در رویکرد جنگل تصادفی نیز بررسی شد، به‌عنوان‌مثال، میزان داده‌های آموزشی و تأثیر حساسیت و تعداد پارامترهای ورودی. همچنین بر اساس نتایج تحلیل حساسیت، اهمیت متغیرهای ورودی مختلف به دست آمد.
کلیدواژه ها
یادگیری ماشین، یادگیرنده گروهی، جنگل تصادفی، بتن، مقاومت فشاری
وضعیت: پذیرفته شده برای ارائه شفاهی