Abstract:
งานวิจัยนี้นำเสนอวิธีการทำนายกำลังรับแรงอัดประลัยของเสาวัสดุผสมท่อเหล็กคู่หล่อคอนกรีตด้านใน ( Concrete Filled Double Skin Steel Tube Columns ) หรือ CFDST โดยใช้ความสามารถในการเรียนรู้ของเครื่อง (Machine Learning) และค้นหาอัลกอริทึมที่ให้ความแม่นยำมากที่สุดนำมาสร้างโมเดลในการทำนายและเปรียบเทียบความแม่นยำกับการออกแบบมาตรฐาน (Standard Design Code) โดยงานวิจัยนี้จะเลือกใช้กระบวนการถดถอยแบบเกาส์เซียน (GPR : Gaussian Process Regression ) และเอกตรีมกาเดียนบูสติ่ง (XGBoost : Extreme Gradient Boosting) เป็นอัลกอริทึมหลักและใช้ข้อมูลจากการทดสอบจริงในอดีตและจากการจำลองด้วยโปรแกรม ABAQUS มาเป็นชุดข้อมูลในการฝึกฝนโมเดล โดยข้อมูลนำเข้าประกอบไปด้วย เส้นผ่าศูนย์กลางด้านนอกและด้านใน ความหนาท่อเหล็กด้านนอกและด้านใน กำลังรับแรงอัดของคอนกรีตที่ 28 วันจากการทดสอบโดยกดลูกปูนรูปทรงกระบอกขนาดเส้นผ่าศูนย์กลาง 150 มิลลิเมตร ความสูง 300 มิลลิเมตร กำลังครากของท่อเหล็กด้านนอกและด้านใน และ ความสูงของเสาวัสดุผสม ข้อมูลนำออกคือ กำลังรับแรงอัดประลัยตามแนวแกนของเสาวัสดุผสม โดยการสร้างโมเดลสำหรับทำนายกำลังจะแบ่งออกเป็น 2 โมเดลคือโมเดลเสาสั้นและโมเดลเสายาวเนื่องจากพฤติกรรมการวิบัตินั้นแตกต่างกันและเกณฑ์ที่ใช้แบ่งคืออัตราส่วนความชะลูด ผลการทดสอบพบว่าโมเดลเสาสั้นที่ใช้ข้อมูลทั้งหมด 122 ชุดข้อมูล อัลกอริทึมเอกตรีมกาเดียนบูสติ่งให้ความแม่นยำมากกว่ากระบวนการถดถอยแบบเกาส์เซียนและการออกแบบมาตรฐาน ขณะที่โมเดลเสายาวที่ใช้ชุดข้อมูลทั้งหมด 181 ชุดข้อมูล ผลการทดสอบพบว่า เอกตรีมการ์เดียนบูสยังคงให้ความแม่นยำมากกว่ากระบวนการถดถอยแบบเกาส์เซียนและการออกแบบมาตรฐานเช่นกัน
