Dự đoán mức độ phá hoại cục bộ của tấm bê tông cốt sợi chịu tải trọng va đập sử dụng thuật toán máy học

  • Lê Đại Nhân Khoa Xây dựng dân dụng và công nghiệp, Trường Đại học Xây dựng Hà Nội, 55 đường Giải Phóng, quận Hai Bà Trưng, Hà Nội, Việt Nam
  • Thái Đức Kiên Khoa Xây dựng, Đại học Vinh, 182 Lê Duẩn, Vinh, Nghệ An, Việt Nam
  • Doãn Quốc Hoàn Khoa Kỹ thuật Xây dựng và Môi trường, Đại học Sejong, Seoul, Hàn Quốc
  • Nguyễn Đăng Nguyên Khoa Xây dựng dân dụng và công nghiệp, Trường Đại học Xây dựng Hà Nội, 55 đường Giải Phóng, quận Hai Bà Trưng, Hà Nội, Việt Nam
  • Phạm Thái Hoàn Khoa Xây dựng dân dụng và công nghiệp, Trường Đại học Xây dựng Hà Nội, 55 đường Giải Phóng, quận Hai Bà Trưng, Hà Nội, Việt Nam
Từ khóa: Thuật toán phân loại SVM, thuật toán tối ưu hóa BO, kỹ thuật lấy thêm mẫu BorderlineSMOTE, máy học, bê tông cốt sợi

Tóm tắt

Bài báo giới thiệu và ứng dụng thuật toán phân loại Support Vector Machine (SVM) và thuật toán tối ưu hóa Bayesian (Bayesian optimization - BO), những thuật toán máy học (Machine Learning - ML) mạnh để dự đoán mức độ phá hoại cục bộ của tấm bê tông cốt sợi chịu tải trọng va đập gây ra bởi đầu đạn. Bộ dữ liệu kết quả thu được từ 176 thí nghiệm tấm bê tông cốt sợi chịu tải trọng va đập của đầu đạn bao gồm 15 thông số đầu vào được sử dụng để huấn luyện các mô hình máy học nhằm đưa ra các kết quả dự đoán về mực độ phá hoại cục bộ của tấm. Do các dữ liệu thí nghiệm thu thập được có sự phân tán về các thông số đầu vào và mất cân bằng về các dạng phá hoại cục bộ, một kỹ thuật lấy thêm mẫu BorderlineSMOTE (Synthetic Minority Over-Sampling Technique - SMOTE) cũng được sử dụng nhằm mục đích tạo ra bộ dữ liệu phù hợp để mô hình huấn luyện (được gọi là BO-SVM) đạt kết quả dự đoán tốt. Kết quả thu được cho thấy mô hình đề xuất có thể ứng dụng để dự đoán mức độ phá hoại cục bộ của tấm bê tông cốt sợi chịu tải trọng va đập bởi đầu đạn với độ chính xác chấp nhận được và hiệu quả cao hơn các mô hình ML thông thường khác.

Tải xuống

Dữ liệu tải xuống chưa có sẵn.
Xuất bản
30-05-2022
Chuyên mục
Bài báo khoa học