الگوریتم های داده کاوی در بسیاری از مسائل دسته بندی استفاده شده است . این تحقیق از انواع این الگوریتم ها برای دسته بندی شدت تصادفات جاده ای (جرحی و خسارتی ) استفاده می کند . الگوریتم های دسته بندی انفرادی مورد استفاده در این مطالعه شبکه عصبی مصنوعی ، سیستم استنباط عصبی - فازی هستند . الگوریتم های دسته بندی اشاره شده در بالا دارای مزایا و معایب مربوط به خودشان هستند و مناسب بودنشان تحت تاثیر مشخصه ها و فیلدهای مساله است . در سالهای اخیر تحقیقات زیادی بروی مدلهای ترکیبی ، به منظور دستیابی به نتایج بهتر رخ داده است . در این مطالعه از ایده ی ترکیبی خوشه بندی – دسته بندی با دو رویکرد خوشه بندی افرازی با الگوریتم کاربردی k-means و نقشه های خود سازمان (som ) برای بهبود صحت دسته بندی ، دسته بند های انفرادی استفاده شده است . مطالعه ی موردی ما بروی شدت تصادفات جاده ای در ایران ، نشان می دهد که خوشه بندی بر اساس طبقه بندی (دسته بندی ) نتیجه ی بهتری را می دهد . از دیگر اهداف مهم تحقیق ، شناسایی مشخصه های تاثیر گذار و کشف قوانین پنهان تصادفات جاده ای ایران است تا از این طریق بتوان راهکارهایی را به منظور کنترل و کاهش خسارتهای مادی و معنوی ناشی از تصادفات ارائه کرد . از اینرو از الگوریتم کارت برای شناسایی متغیر های تاثیر گذار و کشف الگوهای پنهان تصادفات در ایران استفاده گردیده است .

برای رسیدن به نتیجه مناسب مدل های مختلف مواد برای بتن، فولاد و cfrp بررسی شده است و برای هر کدام، مدلی بهینه که بتواند با دقت مناسب خصوصیات مورد نیاز یک تیر مرکب را معرفی نماید انتخاب گردیده و مقادیر عددی پارامترهای معرف در نرم افزار به دست آمده است. برای صحت سنجی مدل ساخته شده، ابتدا تیر در حالت بدون تقویت با مقادیر تحلیلی در حالت های الاستیک و الاستوپلاستیک مقایسه شده و سپس منحنی بار - تغییرمکان همین نمونه با مدل آزمایشگاهی موجود مقایسه گردید. سپس نمونه مدلسازی شده با یک و دو لایه ورقcfrp تقویت گردید و این بار نیز منحنی های بار – تغییرمکان بدست آمده با نمونه آزمایشگاهی مقایسه شد. نتایج بدست آمده حاکی از تطابق مدل ارائه شده با نتایج تحلیلی و همچنین تحقیق آزمایشگاهی دارد به طوری که رفتار بدست آمده از آنالیز مدل تیر به نحو مطلوبی با نتایج آزمایشگاهی همخوانی دارد. استفاده از مدل اجزای محدود ارائه شده می تواند از نیاز به داده های پرهزینه تجربی بکاهد و سرعت تولید داده های آماری مورد نیاز را به خصوص برای تیرها با ابعاد واقعی بیافزاید.