최근에, 우리 학교의 Ling Huikun 박사는 Chongqing Jiaotong University와 Sydney University와 협력하여 국제적으로 유명한 저널 "건축 및 건축 자료"에서 "POA-OP 최적의 기계 학습 방법의 골절 예측"이라는 크레이지 슬롯 논문을 출판했습니다. 이 백서는 기계 학습 알고리즘과 최적화 알고리즘을 성공적으로 결합하여 아스팔트 콘크리트 골절 성능 예측을위한 혁신적인 솔루션을 제공하여 기계 학습에서 학교 크레이지 슬롯 수준의 지속적인 개선을 표시합니다. Ling Huikun 박사는이 논문의 첫 번째 저자이며 Yibin College는 두 번째 서명 된 부대입니다. 2024 년 저널의 최신 영향 요인은 7.0이며, JCR의 첫 번째 지구에 ​​위치한 중국 과학 아카데미의 첫 번째 공학 기술의 최고 저널입니다.

아스팔트 콘크리트 인 고 지구 및 암석 댐의 핵심 재료로서, 골절 거동은 프로젝트의 안전에 직접적인 영향을 미칩니다. 기존의 3 점 벤딩 테스트는 물리적 테스트에 의존하며 높은 비용 및 긴 사이클과 같은 제한 사항이 있습니다. 이 크레이지 슬롯 팀은 기계 학습 기술을 도입하여 골재 등급, 샘플 크기 및 다공성과 같은 다중 매개 변수 모델링을 통해 골절 피크 부하의 효율적인 예측을 달성했습니다. 이 크레이지 슬롯는 펠리컨 화 알고리즘을 사용하여 임의의 산림 및 다층 퍼셉트론을 포함한 4 가지 모델의 하이퍼 파라미터를 최적화하여 예측 정확도와 견고성을 크게 향상시킵니다. 최적화 된 모델 예측 오차는 40%감소합니다. 쉐이프 해석 성 분석은 아스팔트 콘크리트의 3 점 굽힘의 피크 하중의 주요 영향 요인을 보여줍니다. 이 논문은 "머신 러닝 + 골절 역학"의 퓨전 프레임 워크를 기반으로하며, 최적화 된 모델의 효과적인 골절 에너지 (KEFF)의 예측 정확도는 기존의 MTS/MTSN 기준, 특히 하이브리드 하중 모드에서 오류가 50%이상 줄어 듭니다. 이 성과는 복잡한 재료 행동의 모델링에서 머신 러닝의 잠재력을 확인할뿐만 아니라 알고리즘 해석 가능성을 통해 이론적 크레이지 슬롯 및 엔지니어링 실무의 장벽을 깰 수 있습니다.

현재, 글로벌 재료 크레이지 슬롯는 인공 지능의 포용을 가속화하고 있습니다. 이 크레이지 슬롯는 아스팔트 콘크리트의 성능 예측에 대한 새로운 아이디어를 제공하며 도로 및 댐과 같은 인프라의 지능형 운영 및 유지 보수 개발을위한 새로운 아이디어를 제공합니다. 동시에이 논문은 팀이 엔지니어링 관리, 프로젝트 관리 및 기타 시나리오에서의 전송 학습의 적용을 탐구 할 수있는 토대를 마련했습니다. 딥 러닝 모델에서 가볍고 에지 컴퓨팅 기술의 개발로 인해 이러한 알고리즘은 엔지니어링 경제 예산, 위험 평가 및 조기 경고에 포함될 것으로 예상됩니다.

이 크레이지 슬롯는 Chongqing Water Conservancy Science and Technology Project (CQSLK-2023006), National Natural Science Foundation of China Project (52378327) 및 Yibin College Cunitivation Project (2023Py07)에 의해 지원됩니다.

전문 링크 :https://www.sciencedirect.com/science/article/pii/S0950061825007287?dgcid=coauthor

(/Ling Huikun Review/Yellow River Final Review/Zhang Qing Editor/Wang Ying Production/Yu Junyan)