کاربرد هوش مصنوعی در انتخاب و ارزیابی سنگ‌های ساختمانی برای توسعه شهری پایدار

کاربرد هوش مصنوعی در انتخاب و ارزیابی سنگ‌های ساختمانی برای توسعه شهری پایدار

هنگامه اسدی1

1) 1- دانشجوی کارشناسی ارشد مهندسی عمران ، گروه مهندسی عمران، واحد علوم تحقیقات ، دانشگاه آزاد اسلامی،علوم تحقیقات ، ایران

کد IOI مقاله : ABKD-ACZGGD
محل انتشار : چهارمین کنفرانس بین المللی پژوهش های کاربردی در مهندسی عمران، معماری و شهرسازی(icarcau.com)
چکیده :
    رشد شتابان شهرنشینی و افزایش تقاضا برای مصالح ساختمانی، اهمیت انتخاب علمی و دقیق سنگ‌های ساختمانی را به‌عنوان یکی از دیرپاترین و پرمصرف‌ترین مصالح در پروژه‌های عمرانی و شهری دوچندان کرده است. روش‌های سنتی ارزیابی سنگ‌های ساختمانی که عمدتاً بر آزمایش‌های آزمایشگاهی زمان‌بر و پرهزینه استوار است، در مواجهه با حجم انبوه داده‌ها و پیچیدگی روابط میان ویژگی‌های فیزیکی، مکانیکی، زیست‌محیطی و اقتصادی سنگ، کارایی محدودی دارند. در این پژوهش، با رویکردی مروری‌ـ‌تحلیلی، نقش فناوری‌های هوش مصنوعی از جمله شبکه‌های عصبی مصنوعی، سامانه‌های فازی‌ـ‌عصبی تطبیقی، جنگل تصادفی، ماشین بردار پشتیبان و یادگیری عمیق در پیش‌بینی ویژگی‌های مکانیکی سنگ، ارزیابی دوام و پایایی آن و پشتیبانی از تصمیم‌گیری در انتخاب سنگ ساختمانی متناسب با اصول توسعه شهری پایدار بررسی شده است. چارچوب مفهومی پیشنهادی، معیارهای ارزیابی را در چهار دسته فیزیکی‌ـ‌مکانیکی، دوام و پایایی، زیست‌محیطی و اقتصادی‌ـ‌کارکردی دسته‌بندی می‌کند و نحوه تلفیق این معیارها را در قالب مدل‌های یادگیری ماشین و روش‌های تصمیم‌گیری چندمعیاره تشریح می‌نماید. یافته‌های حاصل از مرور پیشینه نشان می‌دهد مدل‌های مبتنی بر شبکه عصبی مصنوعی و روش‌های تجمعی مانند جنگل تصادفی و تقویت گرادیان، دقت قابل قبولی در پیش‌بینی مقاومت فشاری تک‌محوره، تخلخل و مقاومت سایشی سنگ‌های ساختمانی از روی آزمون‌های غیرمخرب ارائه می‌دهند و می‌توانند هزینه و زمان آزمایش‌های آزمایشگاهی را به‌طور محسوسی کاهش دهند. در پایان، چالش‌های موجود شامل کمبود پایگاه‌داده‌های استاندارد، دشواری تفسیرپذیری مدل‌ها و نبود یکپارچگی میان سامانه‌های اطلاعات مکانی و مدل‌سازی اطلاعات ساختمان با ابزارهای هوش مصنوعی مورد بحث قرار گرفته و پیشنهادهایی برای پژوهش‌های آینده ارائه شده است.

کلمات کلیدی : هوش مصنوعی یادگیری ماشین سنگ ساختمانی توسعه شهری پایدار شبکه عصبی مصنوعی ارزیابی مصالح