Определение модуля деформации бинарного композита с помощью искусственной нейронной сети

Действующие методики статистической обработки результатов определений характеристик основаны на гипотезе о нормальном характере их распределения. Результаты статистической обработки 153 лабораторных определений модуля деформации бинарного композита «песок-гранулы вспененного полистирола» эту гипотезу не подтвердили. Для решения возникшей проблемы было решено использовать искусственную нейронную сеть. Таким образом, в качестве объекта исследований был выбран модуль деформации бинарного композита. Применение искусственной нейронной сети для определения модуля деформации бинарного композита было выбрано в качестве предмета исследования. Цель выполненных исследований — определение модуля деформации бинарного композита с помощью искусственной нейронной сети. Основные задачи исследования — определение модуля деформации бинарного композита с различным процентным содержанием гранул вспененного полистирола, разработка искусственной нейронной сети и регрессионного уравнения для определения модуля деформации бинарного композита и последующий сравнительный анализ результатов их использования. Результаты лабораторных испытаний образцов бинарного композита позволили обучить заранее разработанную искусственную нейронную сеть. По результатам тестирования обученной искусственной нейронной сетью было установлено, что при доверительной вероятности P = 95 % абсолютное значение относительной погрешности определения модуля деформации бинарного композита составило |8| = 31,8 %, а значение коэффициента детерминации — R2 = 0,5641. В то же время, при использовании регрессионного уравнения -|8| = 133,1% и R2 = 0,0857. Выполненные исследования подтвердили возможность и преимущество использования искусственной нейронной сети для определения модуля деформации бинарного композита.

1. Gruzin A. V., Grinevich E. S., Klimanov D. N. The study of deformation properties of a sand soil – expanded polystyrene granules mixture under cyclic loading conditions // Journal of Physics: Conference Series. 2020. Vol. 1441 (1). P. 012062-1– 012062-12. DOI: 10.1088/1742-6596/1441/1/012062.

2. Gruzin A. V., Tokarev V. V., Shalai V. V., Logunova Yu. V. The Artificial Additives Effect to Soil Deformation Characteristics of Oil and Oil Products Storage Tanks Foundation // Procedia Engineering. 2015. Vol. 113. P. 158–168. DOI: 10.1016/j.proeng.2015.07.311.

3. СП 22.13330.2016. Основания зданий и сооружений (Актуализированная редакция СНиП 2.02.01-83*). Введ. 2017–07– 01. Доступ из справ.-правовой системы «Консультант Плюс».

4. Болдырев Г. Г. Методы определения механических свойств грунтов с комментариями к ГОСТ 12248-2010: моногр. 2-е изд., доп. и испр. Mосква: Прондо, 2014. 812 с. ISBN 972-5-905463-45-7.

5. ГОСТ 20276-2012. Грунты. Методы полевого определения характеристик прочности и деформируемости. Введ. 2013–07–01. Москва: Стандартинформ, 2013. 45 с.

6. ГОСТ Р 58270-2018. Грунты. Метод испытаний расклинивающим дилатометром. Введ. 2018–11–02. Москва: Стандартинформ, 2018. 10 с.

7. ГОСТ 19912-2012 Грунты. Методы полевых испытаний статическим и динамическим зондированием. Введ. 2013– 11–01. Москва: Стандартинформ, 2019. 23 с.

8. ГОСТ 12248.3-2020. Грунты. Определение характеристик прочности и деформируемости методом трехосного сжатия. Введ. 2021–06–01. Москва: Стандартинформ, 2020. 27 с.

9. ГОСТ 12248.4-2020. Грунты. Определение характеристик деформируемости методом компрессионного сжатия. Введ. 2021–06–01. Москва: Стандартинформ, 2020. 19 с.

10. ГОСТ Р 59958-2021. Грунты. Метод определения пределов прочности и модуля деформации при испытании сосредоточенной нагрузкой. Введ. 2022–01–01. Москва: Стандартинформ, 2020. 19 с.

11. ГОСТ 20522-2012. Грунты. Методы статистической обработки результатов испытаний. Введ. 2013–07–01. Москва: Стандартинформ, 2019. 16 с.

12. Хикс Ч. Основные принципы планирования эксперимента / пер. с англ. Т. И. Голиковой. Москва: Мир, 1967. 406 с.

13. Адлер Ю. П., Маркова Е. В., Грановский Ю. В. Планирование эксперимента при поиске оптимальных условий. 2-е изд., перераб. и доп. Москва: Наука, 1976. 279 с.

14. ГОСТ 8.736-2011. Государственная система обеспечения единства измерений. Измерения прямые многократные. Методы обработки результатов измерений. Основные положения. Введ. 2011–12–13. Москва: Стандартинформ, 2019. 18 c.

15. Chung S.-Y., Elrahman M. A., Stephan D. Effects of expanded polystyrene (EPS) sizes and arrangements on the properties of lightweight concrete // Materials and Structures. 2018. Vol. 51 (3). Р. 1–11. DOI: 10.1617/s11527-018-1182-3.

16. Ofrikhter I. V., Ponomaryov A. B., Zakharov A. V. [et al.]. Estimation of soil properties by an artificial neural network» // Magazine of Civil Engineering. 2022. Vol. 110 (2), no. 11011. P 1–7. DOI: 10.34910/MCE.110.11.

17. Angshuman D., Chakrabortty P. Simple models for predicting cyclic behaviour of sand in quaternary alluvium // Arabian Journal of Geosciences. 2022. Vol. 15. P. 1–19. DOI: 10.1007/s12517-022-09639-6.

18. Пат. 2676778 Российская Федерация, МПК E 02 D 27/35 (2006.01). Фундамент резервуара с улучшенными теплоизоляционными свойствами / Грузин А. В., Шалай В. В., Крупников В. И. № 2018107360; заявл. 27.02.2018; опубл. 11.01.2019, Бюл. № 2.

19. Chollet F. Deep Learning with Python. New York: Manning Shelter Island, 2018. 384 р.

20. Кобзарь А. И. Прикладная математическая статистика. Для инженеров и научных работников. Москва: Физматлит, 2006. 816 с. ISBN 5-9221-0707-0.

21. Смирнов Н. В. Курс теории вероятностей и математической статистики для технических приложений. 3-е изд., стер. Москва: Наука, 1969. 511 с.

22. Anderson T. W. Asymptotic theory of certain goodness of fit criteria based on stochastic processes // Annals of Mathematical Statistics. 1952. Vol. 23. P. 193–212. DOI: 10.1214/AOMS/1177729437.

23. Метрики качества линейных регрессионных моделей // Аналитическая платформа (Loginom). URL: https://loginom.ru/blog/classification-quality (дата обращения: 22.11.2023).

24. Степнов М. Н. Статистические методы обработки результатов механических испытаний: cправ. Москва: Машиностроение, 1985. 232 с.