تحليل الأداء المقارن لنماذج تعلم الآلة للتنبؤ بقوة الضغط في تصميم خلطات الخرسانة

الخرسانة المصنوعة من الركام المعاد تدويره (RAC) هي بديل مستدام للخرسانة التقليدية، مما يقلل من المخاطر البيئية ويحافظ على الموارد. يعد التنبؤ الدقيق بقوة الضغط (CS) أمرًا حاسمًا لقبولها على نطاق أوسع. تستخدم هذه الدراسة نماذج تعلم الآلة (ML) (انحدار الشبكة المرنة، KNN، ANN، SVR، RF، XGBoost، CatBoost، الانحدار الرمزي، التجميع) التي تم تدريبها على 1030 خليطًا تقليديًا من الخرسانة من UCI لدعم التنبؤ بقوة الضغط للخرسانة المعاد تدويرها. حقق أفضل نموذج R2 = 0.92؛ ترتيب الأداء: CatBoost > XGBoost > RF > SVR > ANN > الانحدار الرمزي > KNN > انحدار الشبكة المرنة. حسنت طريقة التجميع RMSE بنسبة 6% مقارنةً بـ CatBoost. خلال الاختبار، كشفت تحليل الحساسية أن قوة الضغط تظهر حساسية ملحوظة لمحتوى الأسمنت (C) ومدة الاختبار (TA). يتوافق هذا مع الأبحاث التجريبية القائمة. تم إجراء التحقق الخارجي، والذي غالبًا ما يغفله الباحثون في نماذج التنبؤ، حيث تم استخدام نموذج تقييم عالي الجودة للعمومية والموثوقية، مما يعزز تباين فائدته. أخيرًا، تم تطوير واجهة رسومية سهلة الاستخدام تتيح للمستخدمين إدخال معلمات مخصصة للحصول على خلطات RAC مستدامة. تقدم هذه الدراسة رؤى حول تحسين تصاميم خلطات الخرسانة لـ RAC، مما يحسن أدائها واستدامتها. كما أنها تعزز المعرفة بالمواد الأسمنتية، متماشية مع الأهداف الصناعية والبيئية.