در سالهای اخیر استفاده از شیوه های هوشمند به منظور حل مساله های حجیم در حوزه علوم مهندسی گسترش یافته است. طرح اختلاط بتن الیافی نیز یکی از مسائل ی است که در حوزه مهندسی عمران اهمیت فراوانی دارد. یافتن بهترین نسبت ترکیب مواد تشکیل دهنده بتن برای دست یابی به مقاومت فشاری مطلوب از جمله هدفهای حل مساله طرح اختلاط بتن با استفاده از الگوریتمهای یادگیری ماشین است. در ا ین پژوهش به بررسی و مقایسه الگوریتمهای رگرسیون یادگیری ماشین به منظور پیش بینی مثاومت فشاری بتن حاوی الیاف فولادی پرداخته شده است. بر همین اساس از یک مجموعه داده شامل 260 طرح اختلاط بتن حاوی الیاف فولادی صنعتی با درصد های حجمی )صفر تا سه درصد ( متفاوت استفاده شده است. پارامترهایی نظیر درصد حجمی الیاف فولادی صنعتی، نسبت طول به قطر الیاف، نسبت آب به مواد سیمانی، میزان سیمان، و مقدار فوق روان کننده بر طرح اختلاط بتن تاثیرگذار بوده است. الگوریتم های ماشین بردار پشتیبان، رگرسیون خطی، شبکه عصبی مصنوعی و درخت تصمیم ) الگوریتم های M5P و Tree REP و Forest Random ) روی این دیتاست اجرا شد و با توجه به نتا یج بدست آمده، استفاده از روشهای مبتنی بر درخت تصمیم سرعت تحلیل را بهبود بخشیده و ضریب همبستگی بهتری را نسبت به روشهای شبکه عصبی و بردار پشتیبان ارائه میکند

کلمات کلیدی