¤ OpenAccess: Hybrid

This work has “Hybrid” OA status. This means it is free under an open license in a toll-access journal.

مدل‌های رگرسیونی مبتنی بر یادگیری ماشین برای تخمین هزینه‌ی مقاوم‌سازی لرزه‌یی ساختمان‌های مصالح بنایی

جواد میرزائی,حسین امیری,حامد خالقی,حامد کاشانی

Philosophy

2022

برای مقاوم‌سازی لرزه‌یی ساختمان‌های مصالح بنایی، شیوه‌های متعددی، مانند: شاتکریت، تسمه‌ی فولادی و پلیمر تقویت شده با فیبر وجود دارد. هر یک از روش‌های مذکور، ویژگی‌ها و هزینه‌های متفاوتی دارند. در مطالعه‌ی حاضر، با استفاده از ظرفیت‌های یادگیری ماشین به توسعه‌ی چهار نوع مدل رگرسیون: خطی چندگانه، رگرسیون لاسو، رگرسیون ستیغی و رگرسیون شبکه‌ی کشسان، به تخمین هزینه‌ی مقاوم‌سازی ساختمان‌های مصالح بنایی پرداخته شده است. برای مدل‌سازی، از داده‌های ۱۶۷ پروژه‌ی مقاوم‌سازی لرزه‌یی ساختمان‌های بنایی مربوط به مدارس ایران استفاده شده است. بر اساس نتایج به دست آمده، صرف‌نظر از شیوه‌ی مقاوم‌سازی، ارتفاع و مساحت کل زیربنای ساختمان، مؤثرترین متغیرها در تخمین هزینه‌ی مقاوم‌سازی لرزه‌یی بوده‌اند. در مدل‌های مربوط به روش‌های پلیمر تقویت شده با فیبر و نیز شاتکریت، متغیر نیابتی مساحت دیوارهای جانبی در هزینه‌های برآورد شده تأثیر گذاشته‌اند. همچنین متغیر نیابتی مقاومت جانبی اضافه شده از متغیرهای اصلی تأثیرگذار در مدل‌های روش شاتکریت شناخته شده است.

Cite this:

Generate Citation

“مدل‌های رگرسیونی مبتنی بر یادگیری ماشین برای تخمین هزینه‌ی مقاوم‌سازی لرزه‌یی ساختمان‌های مصالح بنایی” is a paper by جواد میرزائی حسین امیری حامد خالقی حامد کاشانی published in 2022. It has an Open Access status of “hybrid”. You can read and download a PDF Full Text of this paper here.