فهرست نشریات علمی دسترسی آزاد ایران

تخمین دقیق مقاومت نهایی چسبندگی میان بتن و مصالح کامپوزیت (FRP) یکی از موارد مهمی می‌باشد که در طراحی اعضای بتن مسلح مقاوم‌سازی شده با FRP، نقش بسزایی دارد. مطالعات آزمایشگاهی و عددی متعددی در این زمینه صورت گرفته است. به دلیل دشواری و هزینه‌بر بودن مطالعات آزمایشگاهی، استفاده از روش‌های هوش مصنوعی بهترین جایگزین برای این رویکرد‌ها می‌باشد. عموماً، برای استفاده از روش‌های هوش مصنوعی داده‌ها به‌صورت تصادفی به دو گروه آموزش و آزمایش تقسیم می‌شوند که براساس داده‌های آموزشی مدل توسعه داده شده و با داده‌های آزمایش ارزیابی می‌گردد. مشکلی که در استفاده از این روش‌ها وجود دارد این است که ممکن است مدل بر اساس یکسری داده خاص آموزش ببیند ولی در زمان آزمایش برای پیش‌بینی داده‌های با ویژگی‌ها متفاوت عملکرد ضعیفی داشته باشد. در این مطالعه ابتدا یک مجموعه داده‌های جامع از مطالعات گذشته در خصوص اتصال ورقه‌های FRP به بتن جمع-آوری شد. این مجموعه شامل 532 نمونه آزمایشگاهی می‌باشد. همچنین برای اولین بار از روش ترکیبی روش خوشه‌بندی k-means و کریجینگ برای پیش‌بینی مقاومت نهایی اتصال ورق‌های FRP و بتن استفاده شد. در این روش ابتدا داده‌های ورودی به مدل بر اساس میانگین‌شان در چند دسته قرار گرفته و در زمان فراخوانی این داده‌ها به مدل تخمین، به اندازه‌های مساوی از هر دسته فراخوانی می‌شود. در این مطالعه، توابع وابسته‌ساز (6 مدل)، درجه رگرسیون (3 درجه) و تعداد خوشه‌ها (3 خوشه) برای تحلیل با استفاده از روش ذکرشده، متفاوت در نظر گرفته شد و در میان این 54 مدل، بهترین مدل‌ها انتخاب شد. نتایج نشان می‌دهد، مقاومت نهایی پیش‌بینی شده با استفاده از مدل توسعه داده شده دارای مطابقت خوبی با داده‌های آزمایشگاهی می‌باشند و مدل‌ها با توابع وابسته‌ساز خطی با یک درجه رگرسیون و 6 و 5 خوشه به ترتیب با ضرایب همبستگی، 938/0 و 921/0 دارای عملکرد بهتری نسبت به بقیه مدل‌ها می‌باشد.