آمار
| تعداد نشریات | 45 |
| تعداد شماره‌ها | 1,561 |
| تعداد مقالات | 19,062 |
| تعداد مشاهده مقاله | 65,288,669 |
| تعداد دریافت فایل اصل مقاله | 23,861,263 |
مدل یادگیری ماشین فیزیک‌آگاه جهت ارزیابی آسیب‌های ناشی از انفجار در ساختمان‌های بتن‌آرمه | ||
| نشریه مهندسی عمران و محیط زیست | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 16 آبان 1405 | ||
| نوع مقاله: مقاله کامل پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/ceej.2026.73504.2512 | ||
| نویسندگان | ||
| شاهین لعل عارفی1؛ مهدی بیطرفان* 2 | ||
| 1گروه آموزشی مهندسی عمران، مجتمع آموزش عالی فنی و مهندسی اسفراین، اسفراین، ایران | ||
| 2استادیار پژوهشکده مدیریت خطرپذیری و بحران، پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله، تهران، ایران | ||
| چکیده | ||
| ارزیابی سریع آسیب ساختمان‌های بتن‌آرمه پس از انفجار برای مدیریت بحران، اولویت‌بندی بازدیدهای میدانی و تصمیم‌گیری درباره مداخلات فوری اهمیت دارد؛ بااین‌حال، رفتار غیرخطی سازه، تنوع شرایط محیطی و محدودیت داده‌های میدانی، پیش‌بینی مطمئن سطح آسیب را دشوار می‌کند. در این پژوهش، یک چارچوب یادگیری ماشین فیزیک‌آگاه برای برآورد پیوسته آسیب انفجاری و کمی‌سازی عدم‌قطعیت توسعه داده شد. پایگاه داده شامل ۲۳۳ ساختمان مستقل بود و متغیرهایی مانند وزن معادلTNT، فاصله از منبع انفجار، نسبت بازشوهای نما، تعداد طبقات، موانع میانی و سطح آسیب مشاهده‌شده را دربر می‌گرفت. بر پایه دانش مهندسی انفجار، ویژگی‌هایی شامل فاصله مقیاس‌شده، شاخص جانشین فشار، تبدیل لگاریتمی آن و متغیرهای اندرکنشی استخراج شدند. مدل نقطه‌ای CatBoost با اعتبارسنجی تودرتوی پنج‌بخشی و سه تکرار ارزیابی و با چند الگوریتم مرجع مقایسه شد. برای کمی‌سازی عدم‌قطعیت نیز مدل‌های چندکی با روش‌های CQR و NCQR کالیبره شدند و از SHAP برای تفسیر رفتار مدل استفاده شد. مدل پیشنهادی به MAE برابر ۵٫۳۹۹، RMSE برابر ۸٫۵۹۱ و R² برابر ۰٫۸۶۱ دست یافت. در پیکربندی چندکی ۵ و ۹۵ درصد، پوشش CQR و NCQR به‌ترتیب ۹۲٫۰ و ۹۳٫۱ درصد بود، هرچند پوشش در ساختمان‌های دارای آسیب شدید کاهش یافت. تحلیل SHAP نشان داد ویژگی‌های اندرکنشی مرتبط با شاخص جانشین فشار، نسبت بازشوها، فاصله مقیاس‌شده و موانع میانی بیشترین سهم را در پیش‌بینی داشتند. نتایج نشان می‌دهد این چارچوب می‌تواند به‌عنوان ابزار پشتیبان برای برآورد اولیه آسیب و اولویت‌بندی ارزیابی‌های میدانی به کار رود. | ||
| کلیدواژه‌ها | ||
| ساختمان بتن‌آرمه؛ آسیب انفجاری؛ یادگیری ماشین فیزیک آگاه؛ CatBoost؛ کمی‌سازی عدم‌قطعیت؛ SHAP | ||
|
آمار تعداد مشاهده مقاله: 14 |
||