پیوندهای مفید
آمار
| تعداد نشریات | 9 |
| تعداد شمارهها | 447 |
| تعداد مقالات | 5,734 |
| تعداد مشاهده مقاله | 8,047,193 |
| تعداد دریافت فایل اصل مقاله | 6,547,393 |
تجزیه و تحلیل مدلهای ریاضی پیشبینی مقاومتهای مکانیکی بتنهای مسلح به الیاف فولادی به روش تجربی و مبتنی بر یادگیری ماشین | ||
| نشریه مهندسی عمران امیرکبیر | ||
| مقاله 5، دوره 57، شماره 10، دی 1404، صفحه 1807-1838 اصل مقاله (2.11 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2026.20086.8164 | ||
| نویسندگان | ||
| محمدحسین تقوی پارسا* 1؛ مرتضی اسماعیلی2؛ محمد رضا عدل پرور3 | ||
| 1دانشکده فنی و مهندسی، دانشگاه قم | ||
| 2دانشگاه علم و صنعت ایران | ||
| 3ادانشیارگروه عمران دانشکده فنی ومهندسی دانشگاه قم | ||
| چکیده | ||
| هدف از مقاله حاضر، ارائه مدل ریاضی بهینه برای پیشبینی مقاومتهای مکانیکی بتن مسلح به الیاف فولادی است. برای این منظور ضمن مطالعه و بررسی آزمایشگاهی روابط محققین قبلی برای پیشبینی مقاومتهای فشاری، کششی و خمشی بتن الیافی مسلح شده با الیاف فولادی، روابط ریاضی بهینه حاکم بر مسئله به روش یادگیری ماشین بررسی شده است. تمرکز تحقیق حاضر بر روی آن دسته از بتنهای مسلح به الیاف فولادی است که در ساخت آنها از الیاف به اشکال صاف، موجدار و دوسرقلاب در مقیاس ماکرو استفاده شده است. طی این تحقیق روابط ریاضی مستخرج از روش یادگیری ماشین که با استفاده از مدلسازی پیشبینی مقاومتهای فشاری، کششی و خمشی بتنهای مسلح به الیاف فولادی و با به کارگیری روش رگرسیون نمادی بر مبنای یک پایگاه دادهی مشتمل بر 2283 دادهی بین المللی ارائه شده بررسی میگردد. کارایی مدلهای به کار گرفته شده در این تحقیق با استفاده از سنجههای آماری آنالیز خطا نظیر RMSE و MAPE سنجیده شده است. نتایج نشان میدهد که پارامترهای سایز بزرگترین سنگدانه، مدول الاستیسیته، مقاومت فشاری بتن شاهد، نسبت آب به سیمان، درصد حجمی و طول الیاف، نسبت ابعادی الیاف و مقاومت کششی یا خمشی مرتبط با نوع خروجی مورد بررسی برای بتن الیافی بیشترین اثر را بر روی پیشبینی مقاومت دارند. بررسی نتایج نشان میدهد که فرمولهای ارائه شده برای پیشبینی مقاومت بتن مسلح برای الیاف مورد بررسی نسبت به روابط ریاضی گذشته از دقت قابل ملاحظهای برخوردار است. | ||
| کلیدواژهها | ||
| بتن الیافی؛ یادگیری ماشین؛ روابط تجربی؛ الیاف فولادی؛ الگوریتمهای مدلسازی | ||
| موضوعات | ||
| یادگیری ماشین؛ تست های آزمایشگاهی؛ تکنولوژی بتن | ||
| عنوان مقاله [English] | ||
| Mechanical Resistance of Concrete Reinforced with Steel Fibers Using Experimental and Machine Learning Method | ||
| نویسندگان [English] | ||
| Mohmmad Hossein Taghavi Parsa1؛ Morteza Esmaeili2؛ mohammadreza adlparvar3 | ||
| 1University of Qom | ||
| 2Iran University of Science and Technology | ||
| 3Associate professor civil engineering department technical& engineering faculty university of qom | ||
| چکیده [English] | ||
| The purpose of this article is to present an optimal mathematical model for predicting the mechanical resistance of concrete reinforced with steel fibers. For this purpose, while studying and investigating the relationships of previous researchers for predicting the compressive, tensile and bending strengths of fiber concrete reinforced with steel fibers, the optimal mathematical relationships governing the problem have been investigated by machine learning method. The focus of the current research is on those concretes reinforced with steel fibers, which are made of smooth, wavy and double-crossed fibers on a macro scale. During this research, the mathematical relationships extracted from the machine learning method, which is used to model the prediction of compressive, tensile and bending strengths of concrete reinforced with steel fibers and by applying the symbolic regression method based on a database consisting of 2283 The provided international data is checked. The efficiency of the models used in this research has been measured using error analysis statistics such as RMSE and MAPE. The results show that the parameters of the size of the largest aggregate, modulus of elasticity, compressive strength of control concrete, water-cement ratio, volume percentage and length of fibers, dimensional ratio of fibers and tensile or bending strength related to the type of output investigated for fiber concrete have the greatest effect. They are resistant to prediction. Examining the results shows that the formulas presented for predicting the strength of reinforced concrete for the examined fibers have considerable accuracy compared to the previous mathematical relationships. | ||
| کلیدواژهها [English] | ||
| Fiber Concrete, Machine Learning, Experimental Formulas, Steel Fibers, Modeling Algorithms | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 46 تعداد دریافت فایل اصل مقاله: 58 |
||