A Physics-Informed Machine Learning Approach for Predicting Punching Shear Strength of Reinforced Concrete Flat Slabs
تقترح هذه الدراسة إطار عمل للتعلم الآلي المستند إلى الفيزياء والقابل للتفسير، يجمع بين نموذج الانحدار XGBoost والتحويل اللوغاريتمي لاستخلاص معادلة قانون القوة عالية الدقة والشفافية للتنبؤ بمقاومة قص الثقب للبلاطات الخرسانية المسطحة المسلحة، مما يتفوق بشكل كبير على أحكام كود ACI 318-19 التقليدية مع الحفاظ على سهولة الاستخدام العملي للمهندسين الإنشائيين.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم البناء الحديث، تُعد الأرضيات الخرسانية المسطحة خياراً شائعاً لكل شيء، بدءاً من المباني السكنية وصولاً إلى مواقف السيارات. فهي توفر مظهراً نظيفاً ومفتوحاً وتسمح بتصاميم داخلية مرنة، لكنها تأتي مع تحدٍ إنشائي خفي. فعندما يضغط حمل ثقيل على الأرضية، يجب أن تنتقل القوة من البلاطة العريضة إلى العمود الضيق الذي يدعمها. وعند نقطة الالتقاء هذه، تتعرض الخرسانة لإجهاد موضعي شديد يمكن أن يؤدي إلى فشلها فجأة ودون سابق إنذار. هذا النوع من الفشل، المعروف باسم "قص الثقب" (punching shear)، يحدث عندما تتشقق الخرسانة حول العمود وتتكسر بعيداً، تماماً مثل قطاعة الكعك التي تخترق العجين. وإذا حدث ذلك، يمكن للأرضية أن تنهار فوق الطابق الذي تحتها، مما قد يؤدي إلى سلسلة من الانهيارات التي قد تسقط المبنى بأكمله.
لعقود من الزمن، اعتمد المهندسون على قواعد تقريبية قياسية لمنع هذه الكارثة. هذه القواعد، الموجودة في أكواد البناء، تستخدم رياضيات مبسطة لتقدير مقدار الوزن الذي يمكن للبلاطة تحمله قبل أن تخترقها الأعمدة. وبينما يسهل استخدام هذه المعادلات، إلا أنها تعتمد على بيانات قديمة وتضع افتراضات عامة غالباً ما تغفل الواقع المعقد لكيفية تفاعل الخرسانة والصلب معاً. وقد تكون هذه القواعد حذرة للغاية، مما يؤدي إلى هدر المواد، أو متفائلة بشكل خطير في حالات معينة. ولحل هذه المشكلة، بدأ الباحثون في اللجوء إلى تعلم الآلة، وهو نوع من الذكاء الحاسوبي الذي يمكنه إيجاد الأنماط في كميات هائلة من البيانات. ومع ذلك، غالباً ما يُنظر إلى هذه النماذج الحاسوبية على أنها "صناديق سوداء"، مما يعني أنها تعطي إجابة دون شرح كيفية الوصول إليها، وهو ما يجعل المهندسين مترددين في الوثوق بها لحسابات السلامة الحيوية.
قام فريق من الباحثين في جامعة NED للهندسة والتكنولوجيا في باكستان بتطوير نهج جديد يسد هذه الفجوة. لقد أرادوا إنشاء أداة تنبؤ تكون بدقة النماذج الحاسوبية الأكثر ذكاءً، ولكن بوضوح وسهولة القواعد التقليدية التي يعرفها المهندسون بالفعل. ولتحقيق ذلك، جمعوا مجموعة ضخمة من نتائج الاختبارات الواقعية من المختبرات حول العالم. تضمنت قاعدة بياناتهم 408 عينات مختلفة من البلاطات الخرسانية، تم اختبار كل منها حتى الفشل. وتنوعت هذه الاختبارات بشكل كبير في خصائصها، حيث استخدمت خرسانة تتراوح قوتها بين 16.5 إلى 119 ميجاباسكال، وبلاطات يتراوح عمقها الفعال بين 70 إلى 456 ملم. كما نظر الباحثون أيضاً في حجم الأعمدة الداعمة وكمية حديد التسليح داخل الخرسانة.
قام الفريق أولاً بتغذية هذه البيانات في خوارزمية تعلم آلة قوية تسمى XGBoost. عمل هذا النظام مثل محقق ماهر، حيث قام بتحليل آلاف التوليفات من قوة الخرسانة، ونسب الصلب، والأبعاد ليتعلم بالضبط كيف أثرت هذه العوامل على نقطة الفشل. تعلم النموذج الحاسوبي أن العوامل الأكثر حرجاً هي عمق البلاطة، وحجم العمود، وكمية حديد التسليح، جنباً إلى جنب مع مقياس محسوب للمحيط حول العمود حيث سيحدث الفشل. أثبت نموذج تعلم الآلة دقة ملحوظة، حيث تنبأ بشكل صحيح بحمل الفشل لـ 95.95 بالمائة من التباينات في البيانات. وفي المق المقابل، لم تلتقط معادلة كود البناء القياسية سوى حوالي 81.85 بالمائة من التباينات.
والأهم من ذلك، لم يتوقف الباحثون عند التنبؤ الحاسوبي فحسب؛ بل قاموا بترجمة الأنماط المعقدة التي تعلمها الجهاز إلى معادلة رياضية واحدة بسيطة يمكن لأي مهندس استخدامها باستخدام آلة حاسبة أساسية. تبدو هذه المعادلة الجديدة وتعمل مثل القواعد التقليدية الموجودة في أكواد البناء، ولكنها مبنية على الفهم الأعمق الذي وفره تعلم الآلة. وعند اختبارها مقابل نفس البيانات، قللت هذه المعادلة الجديدة من متوسط الخطأ في التنبؤ بنسبة تقارب 60 بالمائ^ مقارنة بالكود القياسي. وبينما كان الكود القديم غالباً ما يقلل من تقدير قوة البلاطات المدعمة بكثافة أو يبالغ في تقدير سلامة البلاطات الرقيقة، قامت المعادلة الجديدة بالتعديل وفقاً لهذه الفروق الدقيقة، مما وفر تقديراً أكثر موثوقية لمتى ستفشل البلاطة.
تؤكد الدراسة أن الطريقة الجديدة ليست مجرد خدعة إحصائية، بل هي قائمة على الفيزياء الفعلية لكيفية سلوك الخرسانة. وجد الباحثون أن الكمبيوتر حدد بشكل صحيح نفس المبادئ الفيزيائية التي فهمها الخبراء البشريون منذ زمن طويل: وهي أن البلاطة الأكثر عمقاً والمحيط الأكبر حول العمود يوفران مزيداً من المقاومة للفشل. ومن خلال الجمع بين قدرة تعلم الآلة على التعرف على الأنماط وشفافية الصيغة البسيطة، نجح الفريق في إنشاء أداة تتسم بالدقة العالية وسهولة الثقة. ويشير هذا العمل إلى أن مستقبل التصميم الإنشائي لا يتطلب الاختيار بين النماذج الحاسوبية المعقدة والقواعد البسيطة؛ بل من الممكن استخدام الأولى لتطوير الثانية، مما يضمن أن تكون المباني أكثر أماناً وكفاءة دون مطالبة المهندسين بأن يصبحوا علماء بيانات.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.