Nghiên cứu tối ưu hóa hệ số mô hình Ensemble Learning để dự báo tính chất của bê tông cường độ cao

Tác giả: TS. LÝ HẢI BẰNG
              TS. NGUYỄN THÙY ANH
              ThS. NGUYỄN DUY HƯNG
              Trường Đại học Công nghệ Giao thông vận tải

Mô hình thuật toán cây Ensemble learning (a) kỹ thuật đơn lẻ, (b) kỹ thuật song song Bagging và (c) kỹ thuật tuần tự LS-Boosting

 Bê tông cường độ cao (High strength concrete - HSC) là một trong những loại bê tông chất lượng cao, là thế hệ sau của vật liệu bê tông cho kết cấu mới. Ngoài các thành phần vật liệu như bê tông truyền thống, HSC còn có vật liệu khoáng siêu mịn và phụ gia siêu dẻo, được thiết kế và chế tạo với các tỷ lệ khác nhau tạo ra cường độ và độ bền phù hợp với từng loại kết cấu xây dựng trong các điều kiện khác nhau [1]. Các thành phần bổ sung thêm có tác dụng làm giảm độ rỗng hỗn hợp và giúp quá trình thủy hóa của xi măng diễn ra tốt hơn, tính công tác cao hơn. Do đó, các đặc tính cơ học của HSC như cường độ, độ bền và khả năng thi công vượt trội hơn bê tông thông thường [2]. Chính vì vậy, việc sử dụng HSC ngày càng trở nên phổ biến hơn trong các công trình xây dựng.

Một trong những đặc tính quan trọng nhất của bê tông nói chung và HSC nói riêng là cường độ nén. Các đặc tính khác như mô-đun đàn hồi, độ chống thấm và tính kín (kháng) nước đều có những mối quan hệ nhất định với cường độ nén. Do đó, cường độ nén được sử dụng như là tiêu chí chính để đánh giá chất lượng của bê tông [3]. Thực tế, cường độ nén được xác định trong phòng thí nghiệm bằng các thí nghiệm nén phá hủy, thường trên các mẫu hình trụ hoặc hình lập phương. Tuy nhiên, cách làm này tốn kém cả về thời gian và chi phí, đồng thời độ chính xác của thí nghiệm còn phụ thuộc đáng kể vào chất lượng của thí nghiệm cũng như tay nghề của người làm thí nghiệm [4]. Bên cạnh đó, mô hình hồi quy cũng đã được đề xuất để dự đoán cường độ nén của HSC [5]. Nhưng bản chất hỗn hợp HSC và cường độ nén có mối quan hệ phi tuyến mạnh mẽ, do đó rất khó để đưa ra một biểu thức hồi quy chính xác để xác định cường độ nén.

Trong những năm gần đây, với sự phát triển của công nghệ 4.0, trí tuệ nhân tạo đang dần trở nên phổ biến và được ứng dụng rộng rãi trong nhiều lĩnh vực liên quan đến cơ học tính toán, kỹ thuật kết cấu, khoa học vật liệu, địa kỹ thuật, môi trường và khoa học trái đất... dựa trên cơ sở dữ liệu các kết quả thí nghiệm. Phương pháp tiếp cận trí tuệ nhân tạo để dự đoán các tính chất khác nhau của các loại bê tông là một lĩnh vực được nghiên cứu liên tục trong những năm gần đây và đã đạt được những kết quả đáng kể. Trên cơ sở kế thừa các kết quả thí nghiệm đã được thực hiện, bài báo đề xuất một mô hình học máy Ensemble Learning để dự đoán cường độ nén của HSC. Hệ số xác định (R2) và căn của sai số toàn phương trung bình (RMSE) - các chỉ số thống kê phổ biến được sử dụng để đánh giá khả năng dự đoán của mô hình.

Mời độc giả xem nội dung đầy đủ bài khoa học tại đây