پیش‌بینی مقاومت برشی تیرهای بتن مسلح با استفاده از الگوریتم‌های anfis و svr

برآورد دقیق مقاومت برشی در تیرهای بتن مسلح یک موضوع اساسی در طراحی مهندسی است. با این حال، پیش‌بینی مقاومت برشی در این نوع تیرها دارای دقت بالایی نمی‌باشد. از جمله راهکارهایی که در سال‌های اخیر جهت ارائه یک مدل مناسب برای پیش‌بینی مقاومت برشی تیرهای بتن مسلح پیشنهاد شده است، استفاده از الگوریتم‌های هوش مصنوعی (ai) می‌باشد. در این مطالعه قابلیت کاربرد الگوریتم‌های رگرسیون بردار پشتیبان (svr) و استنتاج فازی عصبی (anfis) برای پیش‌بینی مقاومت برشی تیرهای بتن مسلح بررسی گردید و نتایج حاصله با الگوریتم ann و آیین‌نامه‌های موجود مقایسه شد. . برای این منظور دهانه برش، طول موثر تیر، عمق موثر، عرض مقطع، مقاومت فشاری 28 روزه بتن، تنش تسلیم آرماتورهای طولی، تنش تسلیم آرماتورهای عرضی، درصد آرماتور طولی و درصد آرماتورهای برشی بعنوان پارامترهای ورودی و مقاومت برشی تیر بتن مسلح بعنوان پارامتر خروجی انتخاب گردید. نتایج مطالعه نشان داد که الگوریتم‌های anfis و svr با خطای مربع میانگین ریشه (rmse) برابر با 0.015 و 0.09 مقاومت برشی تیرهای بتن مسلح را با دقت بسیار زیادی پیش‌بینی می‌نمایند و از این جهت می‌توانند جایگزین مناسبی برای الگوریتم‌های زمانبر مانند ann و روش‌های پرهزینه آزمایشگاهی باشند.

Prediction of shear strength of reinforced concrete beams using ANFIS and SVR Algorithms

The shear strength of reinforced concrete beams changes depending on the mechanical and geometrical parameters of the beam. Accurate estimation of shear strength in reinforced concrete beams is a fundamental issue in engineering design. However, the prediction of shear strength in these beams does not have very high accuracy. One of the strategies proposed in recent years to provide a suitable model for predicting shear strength of reinforced concrete beams is the use of artificial intelligence (AI) algorithms. In this investigation, the application of adaptive neural fuzzy inference system (ANFIS) and support vector regression (SVR) algorithms for predicting shear strength of reinforced concrete beams was studied and the results were compared with existing regulation. For this purpose, shear span, effective beam length, effective depth, crosssection width, 28day compressive strength of concrete, yield stress of longitudinal reinforcements, yield stress of transverse reinforcements, percentage of longitudinal reinforcement and shear reinforcement percentage were selected as input parameters and shear strength of concrete beam as output. Using the k fold validation method, educational and test data were defined and based on these data, predictions were made. The results obtained from the prediction show that the mean square root error (RMSE) for ANFIS and SVR methods is 0.1514 and 0.0994, respectively. In general, it can be seen that both ANFIS and SVR algorithms predict the shear strength of reinforced concrete beams with great accuracy. Therefore, they can be a good alternative to timeconsuming algorithms such as ANN and expensive laboratory methods.