Ученые из Университета Шарджи разработали модели машинного обучения, способные предсказывать, когда и почему железобетонные конструкции начинают изнашиваться и трескаться. Несмотря на свою прочность, бетон подвержен разрушению из-за коррозии стальных элементов, что приводит к так называемому спаллингу.
В исследовании, опубликованном в журнале Scientific Reports, описываются факторы, влияющие на разрушение, включая возраст, толщину, температуру и уровень трафика. На основании анализа данных были выделены ключевые параметры, влияющие на долговечность конструкций, такие как годовая температура, осадки и влажность.
Главный автор исследования, профессор Гази Аль-Хатиб, отметил, что полученные результаты могут помочь инженерам заранее выявлять потенциальные проблемы и разрабатывать стратегии профилактики. Модели машинного обучения, основанные на регрессионном анализе, показали высокую точность в прогнозировании разрушения.
Профессор Аль-Хатиб подчеркнул важность учета критических факторов при планировании обслуживания железобетонных конструкций, что может значительно повысить их долговечность и безопасность.
Похожие новости:
Сверхпроводящий токамак | Рентген в смартфоне | Теневая камера | Контакты для 2D-чипов
«Слушая подкасты, ничего не узнаешь, ты должен устать, упасть без задних ног — такой должна быть встреча с образованием»
Уровень «цифровой зрелости» компаний в России выше, чем в среднем по миру
«Количество желающих повышать квалификацию в больших компаниях меньше, чем среди предпринимателей»