پيش بيني مؤلفه هاي زوال ستون هاي بتن مسلح با استفاده از روش هاي يادگيري ماشين

يكي از مؤلفه‌هاي كليدي در تعيين عملكرد سازه، مؤلفه‌هاي زوال هستند. در نوشتار حاضر، به پيش‌بيني مؤلفه‌هاي زوال ستون‌هاي بتن مسلح توسط مدل‌هاي يادگيري ماشين پرداخته شده است. براي اين منظور از ۲۵۵ داده‌ي آزمايشگاهي مربوط به ستون‌هاي بتن مسلح از سال ۱۹۷۳ تا ۲۰۰۲، براي پيش‌بيني با روش‌هاي مختلف يادگيري ماشين انتخاب شده‌اند، كه دچار سه نوع شكست: خمشي، برشي و خمشي ـ برشي بوده‌اند. در ادامه، عملكرد روش‌هاي يادگيري ماشين، شامل: آدابوست، شبكه‌ي عصبي مصنوعي (A‌N‌N) و جنگل تصادفي (R‌F) با هم مقايسه شده‌اند. در اين راستا، تحليل‌هاي دقيق توسط نرم‌افزار پايتون بررسي شدند و نتايج به دست آمده نشان دادند كه مدل جنگل تصادفي داراي دقتي برابر ۹۱٪ براي پيش‌بيني چرخش خميري بعد از تسليم 81%θp، براي چرخش خميري از نقطه‌ي زوال مقاومت تا نقطه‌ي صفر مقاومت (θp‌c) و 88٪ براي ظرفيت استهلاك انرژي نرمالايز شده (λ) نسبت به ساير الگوريتم‌ها بوده است. در ضمن، مدل جنگل تصادفي، نسبت به مدل‌هاي تحليلي، بهبود پيش‌بيني قابل ملاحظه‌يي در تعيين مؤلفه‌هاي زوال داشته است.