%0 Journal Article %T مدل‌های رگرسیونی مبتنی بر یادگیری ماشین برای تخمین هزینه‌ی مقاوم‌سازی لرزه‌یی ساختمان‌های مصالح بنایی %J مجله ی مهندسی عمران شریف %I دانشگاه صنعتی شریف %Z 2676-4768 %A میرزائی, جواد %A امیری, حسین %A خالقی, حامد %A کاشانی, حامد %D 2022 %\ 05/22/2022 %V 38.2 %N 1.2 %P 27-37 %! مدل‌های رگرسیونی مبتنی بر یادگیری ماشین برای تخمین هزینه‌ی مقاوم‌سازی لرزه‌یی ساختمان‌های مصالح بنایی %K مقاوم‌سازی لرزه‌یی %K تخمین هزینه %K یادگیری ماشین %K رگرسیون %R 10.24200/j30.2021.58718.2998 %X برای مقاوم‌سازی لرزه‌یی ساختمان‌های مصالح بنایی، شیوه‌های متعددی، مانند: شاتکریت، تسمه‌ی فولادی و پلیمر تقویت شده با فیبر وجود دارد. هر یک از روش‌های مذکور، ویژگی‌ها و هزینه‌های متفاوتی دارند. در مطالعه‌ی حاضر، با استفاده از ظرفیت‌های یادگیری ماشین به توسعه‌ی چهار نوع مدل رگرسیون: خطی چندگانه، رگرسیون لاسو، رگرسیون ستیغی و رگرسیون شبکه‌ی کشسان، به تخمین هزینه‌ی مقاوم‌سازی ساختمان‌های مصالح بنایی پرداخته شده است. برای مدل‌سازی، از داده‌های ۱۶۷ پروژه‌ی مقاوم‌سازی لرزه‌یی ساختمان‌های بنایی مربوط به مدارس ایران استفاده شده است. بر اساس نتایج به دست آمده، صرف‌نظر از شیوه‌ی مقاوم‌سازی، ارتفاع و مساحت کل زیربنای ساختمان، مؤثرترین متغیرها در تخمین هزینه‌ی مقاوم‌سازی لرزه‌یی بوده‌اند. در مدل‌های مربوط به روش‌های پلیمر تقویت شده با فیبر و نیز شاتکریت، متغیر نیابتی مساحت دیوارهای جانبی در هزینه‌های برآورد شده تأثیر گذاشته‌اند. همچنین متغیر نیابتی مقاومت جانبی اضافه شده از متغیرهای اصلی تأثیرگذار در مدل‌های روش شاتکریت شناخته شده است. %U https://sjce.journals.sharif.edu/article_22655_a6b8486075c518010e2667a9aed31a78.pdf