Forecasting the Ultimate Load Capacity of Flat Slabs with Artificial Neural Networks

Dieses Kapitel geht den Herausforderungen bei der Vorhersage der ultimativen Tragfähigkeit und Scherfestigkeit von faserverstärkten Flachplatten nach, die zunehmend im Bau- und Transportwesen eingesetzt werden. Traditionelle Methoden bleiben aufgrund ihrer Abhängigkeit von empirischen Formeln und vereinfachenden Annahmen häufig hinter den Erwartungen zurück. Die Studie stellt ein Modell künstlicher neuronaler Netzwerke (ANN) vor, das auf einem Datensatz von 232 Proben faserverstärkter Flachdecken aus 30 Studien beruht. Die Architektur des Modells umfasst vier versteckte Ebenen mit ReLU-Aktivierungsfunktionen, Batch-Normalisierung und Dropout-Regularisierung, die mithilfe des Adam-Algorithmus optimiert wurden. Zu den wichtigsten Ergebnissen gehört die Ermittlung der effektiven Tiefe und der Druckfestigkeit von Beton als die einflussreichsten Variablen, die die Schlagfestigkeit beeinflussen. Das Modell zeigt eine starke Vorhersagekraft mit Kennzahlen wie MAE von 25,36 kN, RMSE von 37,57 kN, R ² von 0,936 und MAPE von 11,88%. Die Ergebnisse unterstreichen das Potenzial von ANN als praktisches Werkzeug zur Planung flacher Decken, das zu effizienteren und datengestützten Strukturlösungen beiträgt.