بررسی انتقادی استفاده از مدل های یادگیری ماشین جهت پیش بینی خواص مکانیکی بتن

پیش بینی دقیق خواص مکانیکی بتن یکی از مسائلی است که در حوزه مهندسی عمران از اهمیت فراوانی برخوردار است. مدل های تجربی و آماری (رگرسیون خطی و غیرخطی) قابل اعتماد متعددی توسط محققان جهت پیش بینی مقاومت مکانیکی بتن مورد استفاده قرار گرفته است. از طرفی، این مدل ها برای توسعه و بهبود، نیازمند کار آزمایشگاهی زیادی می باشند و زمانی که روابط بین خواص بتن، ترکیب مخلوط و شرایط عمل آوری پیچیده باشد، می توانند منجر به نتایج نادرست و یا غیردقیق، شوند. چندین مدل یادگیری ماشین به عنوان یک رویکرد جایگزین برای پیش بینی مقاومت مکانیکی بتن پیشنهاد شده اند. در این مطالعه، توانایی مستقل هر یک از مدل های یادگیری ماشین شامل شبکه های عصبی مصنوعی، ماشین بردار پشتیبان، درخت های تصمیم گیری و الگوریتم های تکاملی و همچنین، مقایسه این مدل ها با یکدیگر به منظور پیش بینی خواص مکانیکی بتن، مورد بررسی قرار گرفت. همچنین، کاربرد و عملکرد هر مدل، به طور انتقادی مورد بحث و تجزیه وتحلیل قرار گرفت. به علاوه اینکه توصیه های عملی در این زمینه صورت پذیرفت و شکاف های دانش فعلی نیز شناسایی شدند