Nghiên cứu ứng dụng mô hình rừng ngẫu nhiên để dự đoán cường độ chịu nén của bùn cứng hóa bằng xi măng, lưới đánh cá và bọt khí

TS. MAI THỊ HẢI VÂN; TS. TRẦN VĂN QUÂN
Trường Đại học Công nghệ Giao thông vận tải

TÓM TẮT: Hiện nay ở Việt Nam, với một trữ lượng rất lớn đất bùn thu được từ các dự án nạo vét sông ngòi, kênh mương… nếu có thể xử lý để tái sử dụng làm vật liệu san lấp trong xây dựng sẽ là một giải pháp tiết kiệm vật liệu xây dựng, nhằm giảm giá thành công trình, đồng thời rất có ý nghĩa trong việc bảo vệ môi trường. Một trong những giải pháp xử lý đưa ra là cứng hóa bùn thải bằng các chất kết dính vô cơ như xi măng, lưới đánh cá, bọt khí… nhằm cải thiện cường độ chịu nén của đất bùn, từ đó có thể tận dụng để làm vật liệu san lấp trong xây dựng công trình. Để dự đoán cường độ chịu nén của vật liệu này bằng các phương pháp truyền thống như phương pháp thực nghiệm, phương pháp thí nghiệm là khá khó khăn, phức tạp. Vì vậy, trong nghiên cứu này sẽ ứng dụng trí thông minh nhân tạo, cụ thể là mô hình rừng ngẫu nhiên (RF) để dự đoán cường độ chịu nén của đất bùn cứng hóa. Để thực hiện mô phỏng, 51 dữ liệu thử nghiệm đã được thu thập từ các bài báo quốc tế. Tập dữ liệu bao gồm 4 biến đầu vào (hàm lượng nước, hàm lượng xi măng, hàm lượng bọt khí và hàm lượng lưới đánh cá thải) và biến đầu ra (cường độ nén). Đánh giá các mô hình đã được thực hiện và so sánh trên tập dữ liệu huấn luyện (70% dữ liệu) và tập dữ liệu kiểm chứng (30% dữ liệu còn lại) theo các tiêu chí của hệ số tương quan Pearson (R) và sai số (RMSE). Kết quả nghiên cứu cho thấy, mô hình rừng ngẫu nhiên có thể dự đoán chính xác cường độ nén của bùn cứng hóa với hàm lượng nước thấp. Hàm lượng xi măng là đầu vào quan trọng nhất ảnh hưởng đến cường độ nén. Đầu vào quan trọng ảnh hưởng đến cường độ nén không được kiểm soát có thể theo thứ tự: Hàm lượng xi măng > Hàm lượng bọt khí > Hàm lượng nước > Hàm lượng lưới đánh cá thải.
TỪ KHÓA: Trí tuệ nhân tạo (AI), rừng ngẫu nhiên (RF), cường độ chịu nén, xi măng, lưới đánh cá, bọt khí, bùn cứng hóa.
ABSTRACT: Nowadays, a large quantity of sediments is dredged from rivers, canals or habor in Vietnam. Dredged sediments can be treated for reuse as backfilling materials, the resuse of dredged sediments saves construction materials in order to reduce construction costs and protect the environment. One of the treatment solutions is to solidify dredged sediment with inorganic binders such as cement, fishing nets, air foam to improve the compressive strength of the dredged sediments. In this study, one of artificial intelligence algorithm, namely random forest algorithm is introduced (RF) to predict the compressive strength of solidified dredged sediments. To perform the simulation, 51 test data were collected from the literature. The dataset has 4 input variables including water content, cement content, air bubble content and waste fishing net content and one output variable: compressive strength. The Pearson correlation (R), and Root-mean-square error (RMSE) are two criteria for evaluating performance of RF model. The performance of model is performed through training dataset (70% of the data) and the testing dataset remaining 30% of the data. The model results show that the random forest model can accurately predict the compressive strength of solidified dredged sediment with low water content. Cement content is the most important input influencing on the compressive strength. The important inputs influencing on the compressive strength can be in the order: cement content > air bubble content > water content > waste fishing net content.
KEYWORDS: Artificial Intelligence (AI), Random forest (RF), compressive strength, cement, waste fishing net, air foam, solidification/stabilization.

Nội dung xem tại đây