|
Dòng
|
Nội dung
|
|
1
|
Dự báo độ võng dài hạn của dầm bê tông cốt thép bằng mô hình học máy tối ưu hóa Jellyfish Search
// Xây dựng : tạp chí xây dựng Việt nam - Bản quyền thuộc bộ xây dựng tr.
Độ võng dài hạn của dầm bê tông cất thép (BTCT) luôn là một thách thức trong việc thiết kế kết cấu. Nghiên cứu này tập trung vào phát triển một mô hình học máy sử dụng thuật toán tối ưu hóa JEllyfish Search để dự báo độ võng dài hạn của dầm BTCT. Dựa trên bộ dữ liệu của nghiên cứu đã công bố, các mô hình học máy được xây dựng và đánh giá (bao gồm mô hình đơn và mô hình hỗn hợp) để chọn ra mô hình có độ chính xác cao nhất. Thuật toán tối ưu hóa Jellyfish Search được sử dụng để tối ưu hóa các tham số của mô hình được chọn. Kết quả tính toán sẽ được đánh giá lại với các kết quả của nghiên cứu trước đây. Kết quả so sánh cho thấy mô hình JS - Bagging ANN đạt được hiệu suất vượt trội với R = 0.97G; MAE = 3.988 (min); RMSE = 1.777 (mm); MAPE = 14.154% và SI = Ũ.00 (I). Do đó mô hình JS - Bagging ANN rất đáng tham khảo để dự báo độ võng dài hạn của dầm BTGT trong tính toán thiết kế
Đầu mục:0
(Lượt lưu thông:0)
Tài liệu số:1
(Lượt truy cập:3)
|
|
2
|
Dự báo khả năng chịu tải nén lệch tâm của cột thép nhồi bê tông bằng mô hình học máy được tối ưu hóa bằng thuật toán Jellyfish Search
// Xây dựng : tạp chí xây dựng Việt nam - Bản quyền thuộc bộ xây dựng tr.
Cột tháp nhồi bê tông (Concrete-fdled Steel tube. CFST) ngày càng dược ưa chuộng trong các công trình dân dụng và giao thông hiện nay bởi các ưu thế vượt trội của nó so với kết cấu bê tông cốt thép thông thường. Nghiên cứu này tập trung vào xây dựng mô hình dự báo dựa trên thuật toán tối ưu hóa Jellyfish Search (JS) để tự động tìm kiếm các thông số của mô hình học máy nhằm dự báo độ nén lệch tâm của CFST. Một bộ dữ liệu gồm 499 mẫu với II biến đầu vào và đầu ra là khả năng chịu nén lệch tâm của cột được sử dụng để xây dựng các mô hình học máy đơn ANN, SVR, CART, LR và mô hình hỗn hợp Voting, Bagging, Stacking. Sau khi xây dựng và so sánh mô hình trên, mô hình có độ chính xác nhất được chọn để kết hợp với thuật toán tối ưu hóa JS nhằm tạo ra mô hình dự báo có hiệu suất cao nhất. Kết quả thu được rất khả quan với với R= 0.9949, MAE= 4G.8I57 kN, RMSE= 7.2097 kN và MAPE= 7.97%, Sl=0.00 (Rank=l) chứng tỏ đây là một mô hình đầy hứa hạn để sử dụng trong thiết kế và phân tích kết cấu CFST.
Đầu mục:0
(Lượt lưu thông:0)
Tài liệu số:1
(Lượt truy cập:0)
|
|
3
|
Dự báo khả năng chống xuyên thủng của sàn phẳng BTCT bằng kỹ thuật trí tuệ nhân tạo
// Xây dựng : tạp chí xây dựng Việt nam - Bản quyền thuộc bộ xây dựng tr.
Nghiên cứu này phát triển một mô hình trí tuệ nhân tạo có khả năng tự điều chỉnh các thông số bằng thuật toán tối ưu hóa để dự báo khả năng chống xuyên thủng của sàn phẳng be tông cốt thép. Một bộ dữ liệu gồm 511 mẫu được thu thập từ nghiên cứu trước. Các mô hình đơn. hỗn hợp từ 4 mô hình cơ bản bao gồm mạng thần kinh nhân tạo (ANN), hồi quy vec-tơ hỗ trợ (SVR), hồi quy tuyến tính (LR) và cây phân loại và hồi quy (CART) được đánh giá và tìm ra mô hình tốt nhất. Mô hình tìm ra sẽ được kết hợp với thuật toán tối ưu hóa jellyfish search (JS) để tối ưu hóa các siêu tham số nhằm nâng cao độ chính xác của mô hình, là mô hình JS-Stacking-LSSVR. Kết quả so sánh cho thấy mô hình được đề xuất có độ chính xác vượt trội so với các mô hình khác, kể cả các mô hình đã được công bố trước đây. Điều này chứng tỏ rằng, mô hình JS-Stacking-LSSVR là công cụ dự báo khả năng chống xuyên thủng của sàn phẳng bê tông cốt thép với độ chính xác cao, có thể áp dụng trong thiết kế và phân tích kết cấu bê túng cốt thép
Đầu mục:0
(Lượt lưu thông:0)
Tài liệu số:1
(Lượt truy cập:0)
|
|
4
|
|
|
5
|
|
|
|
|
|