مقایسه عملکرد مدل های رگرسیونی و تکاملی در تخمین مقاومت فشاری بتن به کمک مغزه های بتنی
عملکرد مدل های رگرسیونی و شبکه عصبی GMDH تعمیم یافته که ساختار آن توسط الگوریتم ژنتیک و روش تجزیه مقادیر منفرد بهینه شده در پیش بینی مقاومت فشاری بتن با استفاده از نتایج آزمایش مغزه گیری 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 نزدیک تر مغزه و نیز مقاومت فشاری مغزه بعنوان متغیرهای مستقل و ورودی مدل های رگرسیونی و شبکه عصبی GMDH و نیز مقاومت فشاری بتن به عنوان متغیر پاسخ (یا خروجی مدل ها) در نظر گرفته شده است. نتایج به دست آمده نشان داد که مدل های بکار گرفته شده از قابلیت بالایی در بیان مسیله برخوردارند، چراکه بیش از 95٪ تغییرات متغیر پاسخ با مدل های برازش شده در مدل های رگرسیونی و حدود 99% تغییرات مقادیر متغیر پاسخ در مدل GMDH می تواند بیان شود. اما در جایگاه مقایسه، مدل GMDH با ساختار عمومی و بهینه شده با الگوریتم ژنتیک بهترین عملکرد را از خود نشان داده است. پس از آن، مدل های رگرسیونی غیر خطی برتری مشخصی را نسبت به مدل های خطی از خود نشان داشته اند.
مقاومت فشاری ، مغزه بتنی ، میلگرد ، رگرسیون ، GMDH ، الگوریتم ژنتیک
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.