1- استادیار، گروه مهندسی عمران دانشگاه فنی و حرفه ای، تهران، ایران ، kmomeni@tvu.ac.ir
2- گروه مهندسی برق و کامپیوتر، دانشگاه فنی و حرفه ای، تهران
چکیده: (880 مشاهده)
عملکرد مدلهای رگرسیونی و شبکه عصبی GMDH تعمیمیافته که ساختار آن توسط الگوریتم ژنتیک و روش تجزیه مقادیر منفرد بهینهشده در پیشبینی مقاومت فشاری بتن با استفاده از نتایج آزمایش مغزهگیری با و بدون میلگرد بررسی شده است. پارامترهایی شامل؛ نسبت طول به قطر مغزه، قطر مغزه، قطر، تعداد و برون محوری متقارن میلگردها در داخل مغزه، فاصله محور میلگرد تا انتهای نزدیکتر مغزه و نیز مقاومت فشاری مغزه بعنوان متغیرهای مستقل و ورودی مدلهای رگرسیونی و شبکه عصبی GMDH و نیز مقاومت فشاری بتن بهعنوان متغیر پاسخ (یا خروجی مدلها) در نظر گرفته شده است. نتایج بهدستآمده نشان داد که مدلهای بکار گرفتهشده از قابلیت بالایی در بیان مسئله برخوردارند، چراکه بیش از 95٪ تغییرات متغیر پاسخ با مدلهای برازششده در مدلهای رگرسیونی و حدود 99% تغییرات مقادیر متغیر پاسخ در مدل GMDH میتواند بیان شود. اما در جایگاه مقایسه، مدل GMDH با ساختار عمومی و بهینهشده با الگوریتم ژنتیک بهترین عملکرد را از خود نشان داده است. پس از آن، مدلهای رگرسیونی غیر خطی برتری مشخصی را نسبت به مدلهای خطی از خود نشان داشتهاند.
نوع مقاله:
پژوهشی اصیل (کامل) |
موضوع مقاله:
مهندسی عمران و سازه دریافت: 1397/4/24 | پذیرش: 1402/2/25 | انتشار: 1402/3/10