مرور سیستماتیک کاربرد شبکه‌های عصبی در پایش سلامت سازه، شناسایی ترک و پیش‌بینی خرابی در پل‌ها و ساختمان‌ها

دسته بندی موضوعی : برنامه ریزی درسی و آموزشی

زبان : فارسی

نوع فایل : PDF

تعداد صفحات : 18

وضعیت : این مقاله توسط هیات داوران پایگاه ایران ژورنال داوری شده است
فصل نامه علمی تخصصی پژوهش برتر - سال دوم - شماره دوم - تابستان 1405

نویسندگان :
سعید قدیریان کارشناسی ارشد مهندسی عمران – سازه، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران ghadirian86@gmail.com

ثبت شده توسط : ایران ژورنال

لینک مستقیم مقاله : https://iran-journals.com/doc/4529

چکیده فارسی :

پایش سلامت سازه یکی از حوزه‌های پرتقاضای مهندسی عمران است که طی دو دهه اخیر با گسترش روش‌های یادگیری ماشین، به‌ویژه شبکه‌های عصبی مصنوعی، دگرگون شده است. این مقاله یک مرور سیستماتیک از مطالعات منتشرشده بین سال‌های ۲۰۱۰ تا ۲۰۲۵ ارائه می‌دهد که در آن‌ها شبکه‌های عصبی برای سه هدف اصلی به‌کار رفته‌اند: پایش سلامت سازه، شناسایی ترک، و پیش‌بینی خرابی در پل‌ها و ساختمان‌ها. جستجو در پایگاه‌های داده Web of Science، Scopus، IEEE Xplore و Google Scholar انجام شد و پس از غربالگری، ۱۸۷ مقاله واجد شرایط وارد تحلیل نهایی شدند. نتایج نشان می‌دهند که شبکه‌های عصبی کانولوشنی در شناسایی ترک تصویری، شبکه‌های بازگشتی در تحلیل سری‌های زمانی ارتعاشی، و شبکه‌های ترکیبی در پیش‌بینی خرابی بهترین عملکرد را دارند. چالش‌های اصلی شامل کمبود داده‌های برچسب‌گذاری‌شده، تفسیرپذیری مدل، و تعمیم‌پذیری به شرایط واقعی هستند. این مرور چارچوبی جامع برای محققان و مهندسان عمران فراهم می‌کند.

کلمات کلیدی فارسی :
شبکه عصبی مصنوعی، پایش سلامت سازه، شناسایی ترک، پیش‌بینی خرابی، پل، ساختمان، یادگیری عمیق