محمد رضا زارعی - Chabahar Maritime University
مهدی ایرانمنش - Amirkabir University of Technology

ارزیابی استحکام نهایی ورق های تقویت شده تشکیل دهنده سازه کشتی، اولین مرحله در ارزیابی استحکام نهایی آن است. باگذشت زمان و افزایش عمر سازه، خرابی هایی نظیر ایجاد ترک سبب کاهش ظرفیت باربری سازه کشتی می شوند. هدف اصلی این مقاله ارائه روشی مبتنی بر یادگیری ماشین با استفاده از الگوریتم برای محاسبه استحکام نهایی فشاری ورق های تقویت شده با خرابی ترک با استفاده از نتایج تحلیل های متعدد المان محدود است. برای دستیابی به بهترین نتایج ممکن از الگوریتم XGBoost، بخشی هایپرپارامترهای موجود در این الگوریتم با استفاده از روش بهینه سازی بیزین، بهینه شده است. نتایج حاصل از این روش نشان می دهد که دقت استفاده از الگوریتم بهینه شده XGBoostبسیار بالاتر از روش های متداول بر مبنای رگرسیون خطی است.

Ultimate strength, Stiffened plates, Crack, Machine learning, XGBoost, Bayesian optimization, استحکام نهایی, ورق تقویت شده, ترک, یادگیری ماشین, XGBoost, بهینه سازی بیزین