مقایسه عملکرد مدل‌های رگرسیونی و تکاملی در تخمین مقاومت فشاری بتن به کمک مغزه‌های بتنی

Abstract

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.