ﻛﻠﯾﺔ اﻟهندﺳﺔ ﺗﻧﺎﻗش رﺳﺎﻟﺔ ﻣﺎﺟﺳﺗﯾر بعنوانﺑﻨﺎء ﻧﻤﻮذج ﻟﺘﺤﻠﯿﻞ اﻟﻌﻮاﻣﻞ اﻟﻤﺆﺛﺮة ﻋﻠﻰ ﺗﺼﻤﯿﻢ ﺟﺪران اﻟﻘﺺ اﻟﻤﺴﻠﺤﺔ
ﺑﻨﺎء ﻧﻤﻮذج ﻟﺘﺤﻠﯿﻞ اﻟﻌﻮاﻣﻞ اﻟﻤﺆﺛﺮة ﻋﻠﻰ ﺗﺼﻤﯿﻢ ﺟﺪران اﻟﻘﺺ اﻟﻤﺴﻠﺤﺔ
ناقشت رﺳﺎﻟﺔ ماجستير في كلية الهندسة بجامعة ديالى
ﺑﻨﺎء ﻧﻤﻮذج ﻟﺘﺤﻠﯿﻞ اﻟﻌﻮاﻣﻞ اﻟﻤﺆﺛﺮة ﻋﻠﻰ ﺗﺼﻤﯿﻢ ﺟﺪران اﻟﻘﺺ اﻟﻤﺴﻠﺤﺔ
للطالب ﺑﺪﯾﻊ ﺣﺴﯿﻦ ﺳﻠﯿﻤﺎن واﻟﺗﻲ أﺟرﯾت ﯾوم اﻟﺛﻼﺛﺎء اﻟﻣواﻓﻖ 2024/02/13 اﻟﺳﺎﻋﺔ اﻟﺗﺎﺳﻌﺔ ﺻﺑﺎﺣﺎً ﻋﻠﻰ ﻗﺎﻋﺔ ﻋﻣﺎدة ﻛﻠﯾﺔ اﻟﮭﻧدﺳﺔ — ﺟﺎﻣﻌﺔ دﯾﺎﻟﻰ
من قبل اللجنة المؤلفة من:
أ.د طه ﻣﺣﻣد ﺣﺳن ﺗﻛﻧوﻟوﺟﯾﺎ وﻋﻠوم ﺣﺎﺳﺑﺎت ﺟﺎﻣﻌﺔ دﯾﺎﻟﻰ /ﻛﻠﯾﺔ ﻋﻠوم/ رئيسا
أ.د ھﯾﺛم ﻋﻠﻲ ﺑﺎدي/ ھﻧدﺳﺔ اﻧﺷﺎءات/ ﺟﺎﻣﻌﺔ اﻟﻘﺎدﺳﯾﺔ /ﻛﻠﯾﺔ اﻟﮭﻧدﺳﺔ/ عضواً
أ.م.د ﻣﺣﻣد ﺷﮭﺎب ﻣﺣﻣود /هندسة انشاءات ﺟﺎﻣﻌﺔ دﯾﺎﻟﻰ /ﻛﻠﯾﺔ اﻟﮭﻧدﺳﺔ/ ﻋﺿـوا”
أ.د ﻋﺎﻣر ﻣﺣﻣد اﺑراھﯾم/ ھﻧدﺳﺔ اﻧﺷﺎءات/ جامعة ديالى /كلية الهندسة / مشرفا”
هدفت اﻟﺪراﺳﺔ الى اﺳﺘﺨﺪام ﺗﻘﻨﯿﺔ ﻣﻨﮭﺞ ﺗﻌﻠّﻢ اﻵلة ﻟﻠﺘﻨﺒﺆ ﺑﻘﻮة اﻟﻘﺺ ﻟﻠﺠﺪران اﻟﺨﺮﺳﺎﻧﯿﺔ اﻟﻤﺴﻠﺤﺔ اﻟﻘﺼﯿﺮة ﻧﻈﺮا ﻟﻠﻤﺸﺎﻛﻞ اﻟﻤﻌﺎدﻻت اﻟﺘﺠﺮﯾﺒﯿﺔ اﻟﻤﺴﺘﺨﺪﻣﺔ ﻓﻲ ﻗﻮاﻧﯿﻦ اﻟﺘﺼﻤﯿﻢ اﻟﺤﺎﻟﯿﺔ واﻟﺪراﺳﺎت اﻟﻤﻨﺸﻮرة ﻟﺪﯾﮭﺎ ﺗﺒﺎﯾﻨًﺎ ﻛﺒﯿﺮا ﻋﻨﺪ ﺣﺴﺎب ﻗﻮة اﻟﻘﺺ ﻟﻠﺠﺪران وﺗﻜﻮن ﻣﻜﻠﻔﺔ وﺗﺴﺘﻐﺮق وﻗﺘًﺎ طﻮﯾﻼً وﺗﻘﯿﺪ اﻟﻌﻤﻞ .
وتضمنت ﺗﻄﻮﯾﺮ ﻧﻤﺎذج ﺗﻨﺒﺆﯾﺔ ﺑﺎﺳﺘﺨﺪام ﻣﺨﺘﻠﻒ
ﺧﻮارزﻣﯿﺎت ﺗﻌﻠّﻢ اﻵﻟﺔ واﻟﺘﻲ ﺗﻀﻤﻨﺖ ANN و LR و XGBoost و Keras و RF، وذﻟﻚ ﺑﺎﺳﺘﺨﺪام ﻗﺎﻋﺪة ﺑﯿﺎﻧﺎت ﺗﺤﺘﻮي ﻋﻠﻰ ﺑﯿﺎﻧﺎت ﺗﺠﺮﯾﺒﯿﺔ ﻟـ 1424 ﻋﯿﻨﺔ ﻣﻦ ﺟﺪران اﻟﺨﺮﺳﺎﻧﯿﺔ اﻟﻤﺴﻠﺤﺔ ﺗﻢ ﺟﻤﻌﮭﺎ ﻣﻦ دراﺳﺎت ﺗﺠﺮﯾﺒﯿﺔ ﺳﺎﺑﻘﺔ.
و اﺳﺘﺨﺪام 25 ﻣﺘﻐﯿﺮا ﻛﻤﺪﺧﻼت ﺧﻼل ﻋﻤﻠﯿﺔ اﻟﻨﻤﺬﺟﺔ، ﻓﻲ ﺣﯿﻦ اﺳﺘﺨﺪم ﻣﺘﻐﯿﺮ واﺣﺪ ﻛﻤﺨﺮج، ﺗﻢ اﺳﺘﺨﺪام 80٪ و 20٪ ﻣﻦ اﻟﺒﯿﺎﻧﺎت ﻟﻠﺘﺪرﯾﺐ، واﻻﺧﺘﺒﺎر، ﻋﻠﻰ اﻟﺘﻮاﻟﻲ. ﻟﺘﻘﯿﯿﻢ أداء اﻟﻨﻤﺎذج وﻣﺪى دﻗﺘﮭﺎ اﺳﺘﺨﺪﻣﺖ ﺳﺖ ﻣﻘﺎﯾﯿﺲ إﺣﺼﺎﺋﯿﺔ وھﻲ (RMSE) ،(MAE) ،(R2)
(OBJ) و ،(MAPE)،
اظﮭﺮت اﻟﻨﺘﺎﺋﺞ أن ﻧﻤﻮذجXGBoost ﺗﻨﺒﺄ ﺑﻘﻮة اﻟﻘﺺ ﻟﺠﺪران اﻟﻘﺼﯿﺮة ﺑﺸﻜﻞ أﻛﺜﺮ دﻗﺔ ﻣﻦ ﻧﻤﺎذج ML اﻷﺧﺮى فقد وﺻﻠﺖ دﻗﺘﮭﺎ إﻟﻰ 0.992، ﺑﻤﻌﺪل ﺧﻄﺄ %6، وﺣﺼﻠﺖ ﻧﺘﺎﺋﺞ اﻟﺘﻨﺒﺆ ﻟﻠﻌﺪﯾﺪ ﻣﻦ ﻧﻤﺎذج اﻟﺘﻌﻠﻢ اﻵﻟﻲ، ﺑﻤﺎ ﻓﻲ ذﻟﻚ ANN وLR وKeras وRF، ﻋﻠﻰ دﻗﺔ 0.891 و0.83 و0.91 و0.934 ﻋﻠﻰ اﻟﺘﻮاﻟﻲ ﺑﻤﻌﺪﻻت ﺧﻄﺄ ﻗﺪرھﺎ %26، %45، %38، و%24 ﻋﻠﻰ
اﻟﺘﻮاﻟﻲ، ﻋﻼوة ﻋﻠﻰ ذﻟﻚ، ﺗﻢ إﺟﺮاء ﺗﺤﻠﯿﻞ ﻟﻠﺤﺴﺎﺳﯿﺔ ﻋﻠﻰ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺪﺧﻠﺔ ﻟﻠﺘﺤﻘﻖ ﺑﺸﻜﻞ ﺷﺎﻣﻞ ﻣﻦ ﺗﺄﺛﯿﺮ ھﺬه اﻟﻤﺘﻐﯿﺮات ﻋﻠﻰ
ﻣﻘﺎوﻣﺔ اﻟﻘﺺ اﻟﻤﺘﻮﻗﻌﺔ ﻟﻠﺠﺪران.
