Comparison of different machine learning methods for prediction of ultrasonic pulse velocity

Abstract

Deneysel sonuçlardan elde edilen basınç dayanımı sonuçlarına bağlı olarak ultrases dalgası hızı sonuçlarının tahmin edilmesi amacıyla, farklı oranlarda mineral katkı içeren on iki (12) farklı çimento harcı üretilmiştir. Üretilen harç numunelerinin 1, 3, 7, 28 ve 90 günlük kür yaşları için hem basınç dayanımı hem de ultrases dalgası hızı sonuçları deneysel olarak elde edilmiştir. Farklı kür koşulları için harç numunelerinden elde edilen basınç dayanımı deneysel verileri Aşırı Öğrenme Makinesi, Destek Vektör Makinesi ve Grup Veri İşleme Yöntemi olmak üzere üç farklı regresyon yöntemi kullanılarak ultrases dalgası hızı değerlerinin tahmininde kullanılmıştır. Regresyon yöntemlerinin uygulanmasında iki farklı yaklaşım izlenmiştir. İlk yaklaşımda, farklı kür yaşları için ultrases dalgası hızı sonuçları, basınç dayanımı değerleri göz ardı edilerek tahmin edilmiştir. Diğer yaklaşımda ise ultrases dalgası hızı sonuçlarını tahmin etmek için basınç dayanımı değerleri dikkate alınmıştır. Böylece hem basınç dayanımı hem de ultrases dalgası hızı değerleri ile regresyon modelleri ile elde edilen başarı sonuçları arasındaki ilişki belirlenip, karşılaştırılmıştır. Bu çalışmada, Yöntem 1'deki Grup Veri İşleme Yöntemi modeli ile en iyi test performansları (yani R2 ve MSE için) sırasıyla 0.856 ve 0.037; Yöntem 2'de ise Grup Veri İşleme Yöntemi modeli ile en iyi test performansları sırasıyla 0.977 ve 0.003 olarak bulunmuştur. Elde edilen sonuçlar dikkate alındığında, ultrases dalgası hızı değerleri seçilen regresyon modelleri ile yüksek başarı oranlarıyla elde edilmiştir.