دوره 23، شماره 2 - ( 1402 )                   جلد 23 شماره 2 صفحات 20-7 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Momeni K, gholamrezaei Sarvelit S. Comparative Study of Regression and Evolutionary Models for Prediction of Concrete Compressive Strength by Means of Concrete Cores. MCEJ 2023; 23 (2) :7-20
URL: http://mcej.modares.ac.ir/article-16-23083-fa.html
مومنی کمیل، غلامرضایی سرولات سجاد. مقایسه عملکرد مدل‌های رگرسیونی و تکاملی در تخمین مقاومت فشاری بتن به کمک مغزه‌های بتنی. مهندسی عمران مدرس. 1402; 23 (2) :7-20

URL: http://mcej.modares.ac.ir/article-16-23083-fa.html


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.
متن کامل [PDF 475 kb]   (707 دریافت)    
نوع مقاله: پژوهشی اصیل (کامل) | موضوع مقاله: مهندسی عمران و سازه
دریافت: 1397/4/24 | پذیرش: 1402/2/25 | انتشار: 1402/3/10

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.