رسالة ماجستير في كلية الهندسة تناقشتحسين توقع مقاومة القص في الاعتاب الخرسانية العميقة بطريقة تعلم الآلة المحسنة بتحليل الحساسيةعلى العوامل المؤثرة

ناقشت رسالة ماجستير للطالبة الاء أحمد سعدون مزبان تحسين توقع مقاومة القص في الاعتاب الخرسانية العميقة بطريقة تعلم الآلة المحسنة بتحليل الحساسيةعلى العوامل المؤثرة. و التي أجريت يوم الخميس الموافق 10/7/2025 الساعة التاسعة صباحاً في قاعة كلية الهندسة بجامعة ديالى
من قبل اللجنة المؤلفة من:
أ.د. خطاب سليم عبد الرزاق هندسة أنشاءات جامعة ديالى/ كلية الهندسة رئيساً
أ.د. علي صباح أحمد هندسة أنشاءات جامعة المستنصرية / كلية الهندسة عضواً
أ.م.د. سعد شوكت سمين هندسة الموارد المائية جامعة ديالى / كلية الهندسة عضواً
أ.د. عامر محمد ابراهيم هندسة انشاءات جامعة ديالى / كلية الهندسة مشرفاً
هدفت الدراسة الى استخدام تقنية منهج التعلم الآلي للتنبؤ بقوة القص للعتبات الخرسانية المسلحة العميقة نظرا للمشاكل المعادلات التجريبية المستخدمة في قوانين التصميم الحالية والدراسات المنشورة لديها تبايناً كبيراعند حساب قوة القص لهذه العتبات وتكون مكلفة وتستغرق وقتاً طويلاً وتقيد العمل.
وتضمنت تطوير نماذج تنبؤية باستخدام مختلف خوارزميات تعلم الآلي والتي تضمنت ANN ,Keras, XGBoost, LR, RF, , وذلك باستخدام قاعدة بيانات تحتوي على بيانات تجريبية ل 1177 عينة من العتبات الخرسانية المسلحة العميقة تم جمعها من دراسات تجريبية سابقة. واستخدام 25 متغيرا كمدخلات خلال عملية النمذجة , في حين استخدم متغيرواحد كمخرج , تم استخدام 80% و 20% من البيانات للتدريب والاختبار ,على التوالي .
أظهرت النتائج أن نموذج XGBoost تنبأ بقوة القص للعتبات الخرسانية المسلحة العميقة بشكل اكثر دقة من نماذج ML الاخرى فقد وصلت دقتها الى 0.964 , بمعدل خطأ 7% , وحصلت نتائج التنبؤ لبقية النماذج التعلم الالي بما في ذلك ANN ,Keras, , LR, RF على دقة 0.862, 0.71 , 0.80, 0.924 على التوالي بمعدلات خطأ قدرها 18%, 35%, 25%, 21% على التوالي. علاوة على ذلك ,تم إجراء تحليل للحساسية على المتغيرات المدخلة للتحقيق بشكل شامل من تأثير هذه المتغيرات على مقاومة القص المتوقعة للعتبات.