دوازدهمین کنگره ملی مهندسی عمران , 2020-05-27

عنوان : ( پیش بینی مقاومت فشاری بتن با استفاده از الگوریتم های رگرسیونی یادگیری ماشین )

نویسندگان: نعیم روشن , منصور قلعه نوی , امیراسماعیل خسروی ,
فایل: Full Text

استناددهی: BibTeX | EndNote

چکیده

در سال های اخیر استفاده از شیوه های هوشمند به منظور حل مساله های حجیم در حوزه علوم مهندسی گسترش یافته است. طرح اختلاط بتن نیز یکی از مسائلی است که در حوزه مهندسی عمران اهمیت فراوانی دارد. یافتن بهترین نسبت ترکیب مواد تشکیل دهنده بتن برای دستیابی به مقاومت فشاری مطلوب از جمله هدف های حل مساله طرح اختلاط بتن با استفاده از الگوریتم های یادگیری ماشین است. اساسا مساله های یادگیری ماشین به توجه به نوع خروجی مساله به دو دسته رگرسیون و کلاس بندی تقسیم بندی می شوند. الگوریتم های رگرسیون به پیش بینی مقادیر کمی مانند قیمت، سن و غیره می-پردازد در حالی که الگوریتم های کلاس بندی به منظور طبقه بندی مقادیر گسسته مورد استفاده قرار می گیرند. در این پژوهش به بررسی و مقایسه الگوریتم های رگرسیون یادگیری ماشین پرداخته شده است. بر همین اساس از یک مجموعه داده 1000 تایی طرح اختلاط بتن استفاده شده است. پارامترهایی نظیر نسبت آب به موا سیمانی، میزان سیمان، مقدار فوق روان کننده و غیره بر طرح اختلاط بتن تاثیرگذار بوده است. با توجه به نتایج بدست آمده، استفاده از روش های مبتنی بر درخت تصمیم سرعت تحلیل را بهبود بخشیده و ضریب همبستگی بهتری را نسبت به روش های شبکه عصبی و بردار پشتیبان ارائه می کند.

کلمات کلیدی

, مقاومت فشاری بتن, شبکه عصبی مصنوعی, ماشین بردار پشتیبان, درخت تصمیم گیری
برای دانلود از شناسه و رمز عبور پرتال پویا استفاده کنید.

@inproceedings{paperid:1081769,
author = {روشن, نعیم and قلعه نوی, منصور and خسروی, امیراسماعیل},
title = {پیش بینی مقاومت فشاری بتن با استفاده از الگوریتم های رگرسیونی یادگیری ماشین},
booktitle = {دوازدهمین کنگره ملی مهندسی عمران},
year = {2020},
location = {تبریز, ايران},
keywords = {مقاومت فشاری بتن، شبکه عصبی مصنوعی، ماشین بردار پشتیبان، درخت تصمیم گیری},
}

[Download]

%0 Conference Proceedings
%T پیش بینی مقاومت فشاری بتن با استفاده از الگوریتم های رگرسیونی یادگیری ماشین
%A روشن, نعیم
%A قلعه نوی, منصور
%A خسروی, امیراسماعیل
%J دوازدهمین کنگره ملی مهندسی عمران
%D 2020

[Download]