|
|
مهندسی عمران و محیط زیست دانشگاه تبریز، جلد ۵۴، شماره ۱۱۷، صفحات ۸۳-۹۱
|
|
|
| عنوان فارسی |
تحلیل عوامل موثر در مقاومت بتن در صنعت ساخت و ساز شهری: رویکرد یادگیری ماشین |
|
| چکیده فارسی مقاله |
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. |
|
| کلیدواژه‌های فارسی مقاله |
مدیریت شهری،الگوریتم یادگیری ماشین،الگوریتم فراابتکاری،مقاومت فشاری بتن،محیط زیست،ضایعات ساختمانی، |
|
| عنوان انگلیسی |
Analysis of factors influencing concrete resistance in construction industry: machine learning approach |
|
| چکیده انگلیسی مقاله |
Concrete, as one of the main materials in the construction industry, plays a vital role in the sustainability, safety, and welfare of urban spaces. This is because concrete has a direct impact on bearing gravitational and lateral loads, and improving the quality of concrete can prevent the premature destruction of buildings. Additionally, it can reduce the volume of construction waste and create a sustainable urban environment. However, numerous factors affect the compressive strength of concrete, and failing to identify these factors can lead to premature building destruction and adverse outcomes during natural disasters. A proper understanding of these factors is essential for enhancing concrete quality and ensuring the optimal performance of structures. Accordingly, the aim of this article is to analyze the factors influencing the quality and strength of concrete to improve the sustainability, safety, and welfare of urban spaces and to protect the urban environment. In this article, to achieve the research objectives, in addition to using a machine learning model based on the Extreme Gradient Boosting algorithm, metaheuristic algorithms have been employed to create an accurate predictive model. |
|
| کلیدواژه‌های انگلیسی مقاله |
مدیریت شهری,الگوریتم یادگیری ماشین,الگوریتم فراابتکاری,مقاومت فشاری بتن,محیط زیست,ضایعات ساختمانی |
|
| نویسندگان مقاله |
محمد پردل |
گروه مهندسی و مدیریت ساخت، دانشگاه بوعلی سینا، همدان
امیر امین زاده قوی فکر |
گروه کنترل، دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز
|
|
| نشانی اینترنتی |
https://ceej.tabrizu.ac.ir/article_19011_afee64459fa9d5009a8c4784da32ca01.pdf |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|