Confronto di vari algoritmi di apprendimento automatico utilizzati per la previsione della resistenza alla compressione della fibra di acciaio

Rapporti scientifici volume 13, numero articolo: 3646 (2023) Citare questo articolo

1578 accessi

1 Citazioni

10 Altmetrico

Dettagli sulle metriche

L’aggiunta di fibre uncinate di acciaio industriale (ISF) al calcestruzzo ne aumenta la resistenza alla trazione e alla flessione. Tuttavia, la comprensione dell'influenza dell'ISF sul comportamento della resistenza a compressione (CS) del calcestruzzo è ancora messa in discussione dalla società scientifica. Il documento presentato mira a utilizzare algoritmi di machine learning (ML) e deep learning (DL) per prevedere il CS del cemento rinforzato con fibre di acciaio (SFRC) incorporando ISF agganciato sulla base dei dati raccolti dalla letteratura aperta. Di conseguenza, vengono raccolti 176 set di dati da diverse riviste e documenti di conferenze. Sulla base dell'analisi di sensibilità iniziale, i parametri più influenti come il rapporto acqua/cemento (A/C) e il contenuto di aggregati fini (FA) tendono a diminuire il CS di SFRC. Nel frattempo, il CS dell’SFRC potrebbe essere migliorato aumentando la quantità di superfluidificante (SP), ceneri volanti e cemento (C). I fattori che contribuiscono meno includono la dimensione massima degli aggregati (Dmax) e il rapporto lunghezza/diametro degli ISF uncinati (L/DISF). Diversi parametri statistici vengono utilizzati anche come metrica per valutare le prestazioni dei modelli implementati, come il coefficiente di determinazione (R2), l'errore assoluto medio (MAE) e la media dell'errore quadrato (MSE). Tra i diversi algoritmi ML, la rete neurale convoluzionale (CNN) con R2 = 0,928, RMSE = 5,043 e MAE = 3,833 mostra una precisione maggiore. D'altra parte, l'algoritmo K-nearest neighbor (KNN) con R2 = 0,881, RMSE = 6,477 e MAE = 4,648 risulta nelle prestazioni più deboli.

Il ML è una tecnica computazionale destinata a simulare l'intelligenza umana e velocizzare la procedura di calcolo attraverso l'apprendimento e l'evoluzione continua. Le tecniche di ML sono state implementate con efficacia in diversi settori, tra cui apparecchiature mediche e biomediche, intrattenimento, finanza e applicazioni ingegneristiche. Il ML può essere utilizzato nell'ingegneria civile in vari campi come lo sviluppo delle infrastrutture, il monitoraggio della salute strutturale e la previsione delle proprietà meccaniche dei materiali. Più specificamente, sono stati condotti numerosi studi per prevedere le proprietà del calcestruzzo1,2,3,4,5,6,7

Uno degli svantaggi del calcestruzzo in quanto materiale fragile è la sua bassa resistenza alla trazione e capacità di deformazione. Pertanto, vengono aggiunti vari tipi di fibre per aumentare la capacità portante del calcestruzzo. Per generare calcestruzzo fibrorinforzato (FRC), le fibre utilizzate sono generalmente corte, discontinue e disperse in modo casuale in tutta la matrice del calcestruzzo8. Fino ad ora, le fibre sono state utilizzate principalmente per migliorare il comportamento degli elementi strutturali ai fini della funzionalità. Tuttavia, l’aggiunta di ISF nel calcestruzzo e la produzione di SFRC possono anche fornire ulteriore capacità di resistenza o fungere da rinforzo primario negli elementi strutturali. Al giorno d'oggi, per la produzione di strutture in calcestruzzo prefabbricate e in situ, l'SFRC sta guadagnando accettazione come (a) rinforzo secondario per scenari di carico temporanei, arrestando le crepe da ritiro, limitando le microfessure che si verificano durante il trasporto o l'installazione di elementi prefabbricati (come il rivestimento di tunnel segmenti), (b) sostituzione parziale dell'armatura convenzionale, ovvero sistemi di rinforzo ibridi, e (c) sostituzione totale dell'armatura tipica negli elementi esposti a compressione, ad esempio strutture a guscio sottile, solette appoggiate al terreno, fondazioni e rivestimenti delle gallerie9. Indubbiamente, una delle barriere che impediscono l’uso delle fibre nelle applicazioni strutturali è stata la difficoltà nel calcolare le proprietà FRC (in particolare il comportamento CS) che dovrebbero essere incluse nelle attuali tecniche di progettazione10.

Di conseguenza, sono stati condotti molti studi sperimentali per studiare il CS di SFRC. Han et al.11 hanno riferito che la lunghezza dell'ISF (LISF) ha un effetto insignificante sul CS dell'SFRC. Setti et al.12 hanno anche introdotto ISF con diverse frazioni di volume (VISF) nel calcestruzzo e hanno riportato il miglioramento del CS di SFRC aumentando il contenuto di ISF. Zhu et al.13 hanno notato un aumento lineare del CS aumentando il VISF dallo 0 al 2,0%. Nonostante il miglioramento del CS del calcestruzzo a resistenza normale che incorpora ISF, non si ottiene alcun cambiamento significativo del CS per le miscele di calcestruzzo ad alte prestazioni aumentando il VISF14,15. Ciò evidenzia il ruolo di altri componenti della miscela (come il rapporto A/C, la dimensione dell'aggregato e il contenuto di cemento) sul comportamento CS dell'SFRC. Pertanto, a causa della difficoltà della previsione del CS attraverso l'analisi di regressione lineare o non lineare, vengono messi in pratica modelli basati sui dati per una previsione accurata del CS dell'SFRC.