التنبؤ بقوة الضغط للخرسانة باستخدام تقنيات تعلم الآلة والتقنيات التقليدية

الملخص

 في الهندسة المدنية، يعد التحديد الدقيق لقوة ضغط الخرسانة جانبًا حاسمًا في تصميم المباني. يمكن أن يؤدي التنبؤ الدقيق بهذه القوة إلى توفير كبير في الوقت والتكلفة من خلال إنشاء بيانات التصميم الأساسية بسرعة وتقليل الحاجة إلى الخلطات التجريبية، وبالتالي تقليل هدر المواد. استخدم هذا البحث نوعين مختلفين من أساليب الحوسبة الناعمة، وتحديدًا الشبكة العصبية الاصطناعية (ANN) والغابة العشوائية (RF)، لتقدير قوة الضغط (CS) للخرسانة بكفاءة للتنبؤ بقوة الضغط للخرسانة بشكل موثوق. تشمل المتغيرات التي تم أخذها في الاعتبار العمر، ومحتوى الأسمنت، والرماد المتطاير، وخبث الفرن العالي، ومحتوى الماء، ومحتوى الملدن الفائق، والركام الخشن، والركام الناعم. تسلط هذه الدراسة الضوء على الإمكانات الهائلة لنماذج التعلم الآلي المتطورة كخيار متميز للتنبؤ بدقة بقوة ضغط الخرسانة بناءً على مكونات الخرسانة. تظهر نتائج التحليل الإحصائي أن جميع نماذج التعلم الآلي أظهرت قدرات تنبؤية متميزة، كما يتضح من قيم معامل التحديد العالية () البالغة 99.5% و95.3% إلى جانب انخفاض المتوسط ​​المطلق. خطأ (MAE)، خطأ جذر متوسط ​​تربيعي (RMSE)، وقيم متوسط ​​خطأ مربع  1.177, 3.069, 0.387, 2.657 بالإضافة إلى ذلك، تشير النتائج المقنعة إلى أن النماذج المقترحة القائمة على تقنيات الغابة العشوائية والشبكة العصبية الاصطناعية تفوقت بشكل كبير على تلك المقترحة باستخدام الأساليب التقليدية.