Đang chuẩn bị liên kết để tải về tài liệu:
Dự báo biến dạng từ biến của cấu kiện bê tông cốt thép bằng phương pháp học máy
Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
Trong bài báo này, tác giả sẽ đề xuất ứng dụng mô hình học máy LightGBM để dự đoán biến dạng từ biến của các cấu kiện bê tông cốt thép dầm và sàn một phương dựa trên bộ dữ liệu gồm 217 mẫu thí nghiệm được sưu tầm từ các công trình nghiên cứu trước đó. | Trần Xuân Linh Tạp chí Khoa học amp Công nghệ Đại học Duy Tân 01 62 2024 3-8 3 DTU Journal of Science amp Technology 01 62 2024 3-8 Dự báo biến dạng từ biến của cấu kiện bê tông cốt thép bằng phương pháp học máy Predicting long-term deflections of reinforced concrete members using machine-learning approach Trần Xuân Linha b Tran Xuan Linha b a Khoa Xây dựng Trường Đại học Duy Tân Đà Nẵng Việt Nam a Faculty of Civil Engineering Duy Tan University Da Nang 550000 Vietnam b Viện Nghiên cứu và Phát triển Công nghệ Cao Đại học Duy Tân Đà Nẵng Việt Nam b Institute of Research and Development Duy Tan University Da Nang 550000 Vietnam Ngày nhận bài 03 07 2023 ngày phản biện xong 09 07 2023 ngày chấp nhận đăng 07 12 2023 Tóm tắt Nghiên cứu này ứng dụng mô hình LightGBM để dự đoán biến dạng từ biến của các cấu kiện bê tông cốt thép. Mô hình được huấn luyện và thử nghiệm dựa trên bộ dữ liệu gồm 217 mẫu thí nghiệm sưu tầm từ nguồn tài liệu hiện có. 21 yếu tố ảnh hưởng được chọn làm biến độc lập của mô hình. Kết quả tính toán sau 30 lần chạy ngẫu nhiên cho thấy thuật toán LightGBM có thể đạt được hiệu suất dự đoán tốt với giá trị căn bậc hai của sai số bình phương trung bình là 9.84 sai số phần trăm tuyệt đối trung bình là 21.16 và hệ số xác định là 0.90. Các chỉ số này cũng tỏ ra tốt hơn so với các mô hình khác. Do đó mô hình LightGBM có thể được dùng như là một công cụ trợ giúp các kỹ sư dự đoán biến dạng từ biến của các cấu kiện bê tông cốt thép như dầm và sàn một phương. Từ khóa Học máy có giám sát thuật toán LightGBM trí tuệ nhân tạo biến dạng từ biến cấu kiện bê tông cốt thép. Abstract This study applies the LightGBM model to predict long-term deflections of reinforced concrete members. The proposed model is constructed and tested by a dataset consisting of 217 experiments collected from existing literature. 21 factors have been selected as independent variables of the model. The calculation results after 30 random runs of the model point out that the LightGBM algorithm .