تعزيز موثوقية التنبؤ بمقاومة الضغط للبيتون باستخدام خوارزميات التعلُّم الآلي وتقنيات التحليل التفسيري

الملخص

يهدف هذا البحث إلى تعزيز موثوقية نماذج التنبؤ بمقاومة الضغط للبيتون باستخدام خوارزميات التعلُّم الآلي، مع تحسين دقة التنبؤ وفهم تأثير مكوّنات الخلطة على مقاومة الضغط من خلال تقنيات التحليل التفسيري. تمَّ في البداية بناء نموذج XGBoost كنموذج مرجعي أساسي باستخدام Python 3.10.11، ثمَّ تحسين أدائه من خلال دمج مجموعة من الميزات المشتقة، مما أدّى إلى تطوير نموذج محسَّن بمعامل تحديد ‎0.93‎.

استُخدمت تقنيات التحليل التفسيري، بما في ذلك تحليل أهمية المتغيّرات، تحليل الحساسية، وتحليل "ماذا لو؟" لتفسير سلوك النموذج وتحديد مدى تأثير المتغيّرات المختلفة على مقاومة الضغط للبيتون.

أظهرت النتائج أنَّ محتوى الإسمنت وعمر البيتون، كانت الأكثر تأثيراً في تطور مقاومة الضغط بنسبة بلغت نحو 49%، إضافةً إلى كونها الأعلى حساسيةً بالمقارنة مع بقية المتغيرات المُدخلة. في المقابل، كان تأثير الميّزات المشتقة محدوداً نسبياً، مما يشير إلى أنَّ أداء النموذج يعتمد بشكل رئيسي على المكوّنات الأساسية للخلطة وعمر البيتون، بينما تلعب الميّزات المشتقة دوراً داعماً في تحسين دقة التنبؤ.

تؤكد نتائج البحث أهمية الدمج بين التنبؤ الدقيق والتحليل التفسيري، لتعزيز شفافية نماذج التعلم الآلي وموثوقية نتائجها، ودعم اتخاذ القرارات المتعلقة بتصميم الخلطات البيتونية.