Machine Learning Analysis for the Toughness Characteristics of Fiber ‎Reinforced Concrete

الملخص

يعتمد الأداء الميكانيكي للخرسانة المسلحة بالألياف، ولا سيما مقاومة الانحناء والمتانة المقاسة من خلال استجابة الحمل–الإزاحة، بشكل كبير على خصائص الألياف مثل نسبة الحجم للألياف ، والطول، ومقاومة الشد، والشكل، والنوع. وعلى الرغم من أن العديد من الدراسات السابقة تناولت هذه العوامل، إلا أن معظمها استند إلى بيانات مخبرية مثالية، مما يحد من إمكانية تطبيقها عمليًا. تهدف هذه الدراسة إلى سد هذه الفجوة من خلال استخدام بيانات واقعية للخرسانة المسلحة بالألياف لتطوير نماذج تنبؤية قائمة على تقنيات التعلم الآلي، قادرة على تمثيل التأثير المشترك لخصائص الألياف والخرسانة على المتانة.

تم تحليل مجموعة بيانات شاملة تتكون من مائة وست وأربعين عينة من الخرسانة المسلحة بالألياف، جُمعت من دراسات سابقة. جرى تدريب وتقييم أربعة نماذج انحدار، شملت نموذج الغابة العشوائية، ونموذج تعزيز التدرج، والانحدار الخطي، ونموذج انحدار المتجهات الداعمة، وذلك للتنبؤ بالمساحة تحت منحنى الحمل–الإزاحة، والتي تُعد مؤشرًا رئيسيًا لمتانة المادة. أظهر نموذج تعزيز التدرج أفضل أداء، حيث حقق معامل تحديد قدره صفر فاصل ثلاثة وثمانون، وبلغ متوسط الخطأ المطلق نحو تسعة وثلاثين، يليه نموذج الغابة العشوائية بمعامل تحديد قدره صفر فاصل تسعة وسبعون.

وأوضحت نتائج تحليل أهمية الخصائص أن الكسر الحجمي للألياف، ونوعها وشكلها، بالإضافة إلى مقاومة الانحناء، تُعد من أكثر العوامل تأثيرًا في تعزيز متانة الخرسانة المسلحة بالألياف. وتوفر هذه الدراسة أداة تنبؤية قوية قائمة على البيانات لتقدير متانة الخرسانة المسلحة بالألياف اعتمادًا على الخصائص الفيزيائية والميكانيكية الرئيسة، كما تقدم رؤى مهمة للمهندسين للمساعدة في تحسين تصميم المواد المركبة المسلحة بالألياف في التطبيقات الإنشائية العملية.