مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

55
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی دوام بلندمدت مصالح سنگی برای طراحی موج شکن با الگوریتم های ماشین لرنینگ

صفحات

 صفحه شروع 75 | صفحه پایان 93

چکیده

 پیش بینی دوام بلندمدت سنگ در ساخت سازه های دریایی برای عملکرد ایمن آنها حیاتی است. با این که چنین سازه هایی بیش از 100 سال استفاده می شوند, پیش بینی دوام همچنان چالش برانگیز است. این مقاله, کاربرد مدل های ماشین لرنینگ در پیش بینی ها دوتم را بررسی می کند.در این تحقیق, خواص مهندسی سنگ های رسوبی و آذرین که در ساخت 35 موج شکن توده سنگی در سواحل ایران, شامل دریای خزر, دریای عمان و خلیج فارس به کار رفته اند, با انجام آزمون های آزمایشگاهی تهیه گردید. داده های مهندسی شامل مقاومت فشاری تکمحوری, مقاومت بار نقطه ای, مقاومت کششی برزیلی, ارزش ضربه ای و ارزش فشاری, سایش لس آنجلس, تخلخل, سرعت موج التراسونیک, دانسیته, سلامت سولفات سدیم و داده های شاخص دوام است.در تجزیه و تحلیل داده از چهار مدل ماشین لرنینگ نظارت شده شامل جنگل های تصادفی (RF), ماشین بردار پشتیبان (SV), افزایش گرادیان (GB) و k نزدیک ترین همسایه (KN) برای پیش بینی شاخص دوام استفاده شد. عملکرد مدل با استفاده از میزان خطای میانگین مطلق (RMSE) و ضریب تعیین (R2) ارزیابی شد. نتایج نشان می دهد مدل جنگل تصادفی (RF) بهترین عملکرد را داشته است, به ویژه برای هر دو نوع سنگ آذرین در وضعیت اشباع و خشک, مدل RF خطاهای پیش بینی کمتر از ±0.6٪ ایجاد کرد و R2 پنج رقم معنادار برابر یک بود, که نشان دهنده پایداری و عملکرد عالی الگوریتم RF در مقابل داده های نویزی و نقاط دورافتاده است.داده های جدید به بهترین درک رفتار مهندسی سنگ و دوام در کاربردهای مهندسی کمک می کنند. همچنین, تحلیل مبتنی بر ماشین لرنینگ به افزایش دقت تصمیم گیری و بهبود فرآیند طراحی کمک می کند.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button