tailieunhanh - Đánh giá khả năng chịu cắt chọc thủng của sàn bê tông cốt sợi thép bằng mô hình XGBoost

Nghiên cứu này ứng dụng mô hình học máy XGBoost để dự đoán khả năng chịu cắt chọc thủng của sàn bê tông cốt sợi thép. Bộ dữ liệu gồm 140 mẫu thí nghiệm sưu tầm từ tài liệu được sử dụng để được huấn luyện và thử nghiệm mô hình. Các biến đầu vào của mô hình gồm: độ dày sàn ( | 14 Trần Xuân Linh Tạp chí Khoa học và Công nghệ Đại học Duy Tân 6 61 2023 14-19 6 61 2023 14-19 Đánh giá khả năng chịu cắt chọc thủng của sàn bê tông cốt sợi thép bằng mô hình XGBoost Estimating punching shear capacity of steel fibre reinforced concrete slabs using XGBoost 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 Trường Đại học Duy Tân Đà Nẵng Việt Nam b Institute of Research and Development Duy Tan University Da Nang 550000 Vietnam Ngày nhận bài 19 6 2023 ngày phản biện xong 17 7 2023 ngày chấp nhận đăng 02 8 2023 Tóm tắt Nghiên cứu này ứng dụng mô hình học máy XGBoost để dự đoán khả năng chịu cắt chọc thủng của sàn bê tông cốt sợi thép. Bộ dữ liệu gồm 140 mẫu thí nghiệm sưu tầm từ tài liệu được sử dụng để được huấn luyện và thử nghiệm mô hình. Các biến đầu vào của mô hình gồm độ dày sàn 1 độ dày có hiệu của sàn 2 độ dài hoặc bán kính của mũ cột hoặc cột 3 độ bền chịu nén của bê tông 4 tỉ lệ cốt thép 5 và thể tích cốt sợi thép 6 . Kết quả tính toán sau 20 lần chạy ngẫu nhiên mô hình cho thấy XGBoost đạt hiệu suất dự đoán tốt với sai số bình phương trung bình là sai số tuyệt đối trung bình là sai số phần trăm tuyệt đối trung bình là và hệ số xác định là . Từ khóa khả năng chịu cắt chọc thủng sàn bê tông cốt sợi thép học máy có giám sát thuật toán XGBoost trí tuệ nhân tạo. Abstract This study applies the XGBoost model to estimate punching shear capacity of steel fibre reinforced concrete slabs. The model was trained and tested using a dataset of 140 samples obtained from existing literature. The input variables of the model include the slab depth X1 effective depth of the slab X2 length or radius of the loading pad or column X3 compressive strength of concrete X4 the reinforcement ratio X5 and the fibre volume X6 . The results of 20 random runs demonstrate that the XGBoost .