آمار
| تعداد نشریات | 44 |
| تعداد شماره‌ها | 1,323 |
| تعداد مقالات | 16,270 |
| تعداد مشاهده مقاله | 52,952,856 |
| تعداد دریافت فایل اصل مقاله | 15,623,736 |
تحلیل عوامل موثر در مقاومت بتن در صنعت ساخت و ساز شهری: رویکرد یادگیری ماشین | ||
| نشریه مهندسی عمران و محیط زیست دانشگاه تبریز | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 08 دی 1403 اصل مقاله (1.35 M) | ||
| نوع مقاله: مقاله کامل پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/ceej.2024.62446.2370 | ||
| نویسندگان | ||
| محمد پردل1؛ امیر امین زاده قوی فکر* 2 | ||
| 1گروه مهندسی و مدیریت ساخت، دانشگاه بوعلی سینا، همدان | ||
| 2گروه کنترل، دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز | ||
| چکیده | ||
| بتن به عنوان یکی از مصالح اصلی در صنعت ساخت، نقش حیاتی در پایداری، ایمنی و رفاه فضاهای شهری ایفا می‌کند. کیفیت بتن رابطه مستقیمی با تحمل بارهای ثقلی و جانبی دارد و می‌تواند از تخریب زودهنگام ساختمان‌ها جلوگیری کرده و علاوه بر کاهش حجم ضایعات ساختمانی، یک محیط شهری پایدار ایجاد نماید. با این حال، عوامل متعددی بر مقاومت فشاری بتن تاثیرگذارند که عدم شناسایی این عوامل می‌تواند منجر به تخریب زودرس ساختمان‌ها و همچنین پیامدهای ناگوار در بلایای طبیعی شود. درک صحیح از این عوامل برای ارتقای کیفیت بتن و تضمین عملکرد مطلوب سازه‌ها ضروری است. هدف این مقاله، تحلیل عوامل موثر بر کیفیت مقاومت بتن در راستای ارتقا پایداری، ایمنی، رفاه فضاهای شهری و همچنین حفاظت از محیط زیست شهری است. در این مقاله، علاوه بر استفاده از مدل یادگیری ماشین مبتنی بر الگوریتم تقویت گرادیان شدید، از الگوریتم‌های فراابتکاری برای ایجاد یک مدل پیش‌بینی دقیق استفاده شده است. نتایج این پژوهش نشان می‌دهد که عوامل متعددی از جمله نسبت آب به سیمان، نوع و کیفیت سنگدانه، افزودنی‌های بتن، شرایط عمل‌آوری و شرایط محیطی، بر مقاومت بتن تاثیرگذار هستند. همچنین، در این پژوهش مدل یادگیری ماشین قادر به شناسایی الگوهای پیچیده در بین عوامل شناسایی شده و پیش‌بینی دقیق مقاومت فشاری بتن با دقت 66/95 درصد است. نتایج این مطالعه می‌تواند به ارتقای کیفیت ساخت، افزایش طول عمر مفید سازه‌ها، کاهش هزینه‌های نگهداری و تعمیرات، ایجاد فضاهای شهری پایدار و ایمن منجر شود. | ||
| کلیدواژه‌ها | ||
| مدیریت شهری؛ الگوریتم یادگیری ماشین؛ الگوریتم فراابتکاری؛ مقاومت فشاری بتن؛ محیط زیست؛ ضایعات ساختمانی | ||
|
سایر فایل های مرتبط با مقاله
|
||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 91 تعداد دریافت فایل اصل مقاله: 72 |
||
