view in publisher's site

Toward intelligent construction: Prediction of mechanical properties of manufactured-sand concrete using tree-based models

Highlights•The mechanical properties of manufactured-sand concrete were predicted by tree-based models.•Firefly algorithm was used to tune the hyperparameters of the tree-based models.•Importance of input variables was calculated using random forest algorithm.•A GUI was developed to facilitate the application of the proposed models.AbstractDepletion of river sand due to large-scale concrete production has caused many environmental problems. To address this issue, river sand can be replaced with sand manufactured from waste deposits. To facilitate manufactured-sand concrete production, this study proposes three tree-based models: one individual model (regression tree (RT)), and two ensemble models (random forest (RF) and gradient boosted regression tree (GBRT)) to predict its mechanical properties, such as uniaxial compressive strength (UCS), and splitting tensile strength (STS). These tree-based models were trained and tested on a dataset collected from previous literature. In addition, to understand the importance of each input variable on the mechanical properties of manufactured-sand concrete, the variable importance is calculated using the RF algorithm. The results show that the highest correlation coefficients are achieved by GBRT in predicting UCS (0.9887) and STS (0.9666), which respectively increase by 3.0%–10.8% and 16.0%–21.6% in comparison with the models in previous literature. The mechanical properties UCS and STS are highly sensitive to the curing age with relative importance of 36.8% and 40.3%, respectively. To facilitate the application of the tree-based models in predicting mechanical properties of manufactured-sand concrete, a graphical user interface has been designed in this study.

به سوی ساخت‌وساز هوشمند: پیش‌بینی ویژگی‌های مکانیکی بتن ساخته‌شده - شن با استفاده از مدل‌های مبتنی بر درخت

نکات برجسته * خواص مکانیکی بتن شن و ماسه تولید شده توسط مدل‌های مبتنی بر درخت پیش‌بینی شد. * الگوریتم کرم شب تاب برای تنظیم فراسنجه‌های مدل‌های مبتنی بر درخت مورد استفاده قرار گرفت. اهمیت متغیرهای ورودی با استفاده از الگوریتم جنگل تصادفی محاسبه شد. * یک GUI برای تسهیل کاربرد مدل‌های پیشنهادی توسعه داده شد. برای پرداختن به این موضوع، ماسه رودخانه را می توان با ماسه تولید شده از رسوبات زائد جایگزین کرد. به منظور تسهیل تولید بتن ساخته‌شده - شن، این مطالعه سه مدل مبتنی بر درخت را پیشنهاد می‌کند: یک مدل منفرد (درخت رگرسیون (RT))، و دو مدل گروهی (جنگل تصادفی (RF)و درخت رگرسیون تقویت‌شده شیب (GBRT))برای پیش‌بینی خواص مکانیکی آن، مانند مقاومت تراکمی تک محوری (UCS)، و مقاومت کششی شکافنده (STS). این مدل‌های مبتنی بر درخت بر روی مجموعه داده جمع‌آوری‌شده از مقالات قبلی آموزش و تست شدند. علاوه بر این، برای درک اهمیت هر متغیر ورودی بر خواص مکانیکی بتن ساخته‌شده - ماسه، اهمیت متغیر با استفاده از الگوریتم RF محاسبه می‌شود. نتایج نشان می‌دهد که بیش‌ترین ضریب همبستگی توسط GBRT در پیش‌بینی UCS (۰.۹۸۸۷)و STS (۰.۹۶۶۶)به دست آمده‌است، که به ترتیب ۳ % -۱۰.۸ % و ۱۶.۰ % -۲۱.۶ % در مقایسه با مدل‌های قبلی افزایش می‌یابد. خواص مکانیکی UCS و STS به ترتیب با اهمیت نسبی % ۳۶.۸ و % ۴۰.۳ نسبت به سن عمل‌آوری بسیار حساس هستند. به منظور تسهیل کاربرد مدل‌های مبتنی بر درخت در پیش‌بینی خواص مکانیکی بتن شن و ماسه تولید شده، یک رابط کاربری گرافیکی در این مطالعه طراحی شده‌است.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله General Environmental Science
  • ترجمه مقاله General Environmental Science
  • مقاله علوم محیطی عمومی
  • ترجمه مقاله علوم محیطی عمومی
  • مقاله Industrial and Manufacturing Engineering
  • ترجمه مقاله Industrial and Manufacturing Engineering
  • مقاله مهندسی صنایع و ساخت
  • ترجمه مقاله مهندسی صنایع و ساخت
  • مقاله Strategy and Management
  • ترجمه مقاله Strategy and Management
  • مقاله استراتژی و مدیریت
  • ترجمه مقاله استراتژی و مدیریت
  • مقاله Renewable Energy, Sustainability and the Environment
  • ترجمه مقاله Renewable Energy, Sustainability and the Environment
  • مقاله انرژی تجدید پذیر، پایداری و محیط زیست
  • ترجمه مقاله انرژی تجدید پذیر، پایداری و محیط زیست
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.