Phát triển mô hình máy học dự đoán khả năng chịu lực của cột thép lõi bê tông

Nghiên cứu cũng sẽ đánh giá tác động của các yếu tố khác nhau lên khả năng chịu tải của cột CFST. Mục đích cuối cùng là mô phỏng tương tác phức tạp và phi tuyến của các tham số đầu vào để dự đoán khả năng chịu tải của cột CFST.
Nội dung trích xuất từ tài liệu:
Phát triển mô hình máy học dự đoán khả năng chịu lực của cột thép lõi bê tông Tuyển tập Hội nghị Khoa học thường niên năm 2023. ISBN: 978-604-82-7522-8 PHÁT TRIỂN MÔ HÌNH MÁY HỌC DỰ ĐOÁN KHẢ NĂNG CHỊU LỰC CỦA CỘT THÉP LÕI BÊ TÔNG Trịnh Thị Anh Đào1, Vương Trường Phúc2, Khánh Phạm1, Nguyễn Anh Dũng2 1 Trường Đại học Quốc tế - Đại học Quốc gia TP. HCM, email: trinhthianhdao2202@gmail.com 2 Trường Đại học Thủy lợi1. GIỚI THIỆU CHUNG để tăng khả năng áp dụng thực tế của mô hình. Nghiên cứu cũng sẽ đánh giá tác động Kết cấu ống thép nhồi bê tông (Concrete của các yếu tố khác nhau lên khả năng chịuFilled Steel Tube (CFST)) có cấu trúc gồm tải của cột CFST. Mục đích cuối cùng là môống thép rỗng và bê tông, với ưu điểm về độ phỏng tương tác phức tạp và phi tuyến củabền và tính dẻo vượt trội kết cấu thép và bê các tham số đầu vào để dự đoán khả năngtông thông thường. Ngoài ra, ống thép đóng chịu tải của cột CFST.vai trò là khuôn mẫu cố định, giúp giảm thờigian xây dựng và phí tổn trong thi công. Với 2. PHƯƠNG PHÁP NGHIÊN CỨUnhững ưu điểm nổi bật này, CFST đã và đangđược ứng dụng rộng rãi trong nhiều loại công Nghiên cứu này sẽ ứng dụng một bộ dữtrình xây dựng khác nhau trên thế giới. liệu gồm 253 dữ liệu, với 9 biến đầu vào là Nhiều nghiên cứu đã đánh giá các đặc tính chiều rộng ống thép vuông (B), và chiều sâucủa CFST, đặc biệt nhằm vào khả năng chịu của ống thép vuông (H), trong đó đường kínhnén trục của CFST và các nhân tố ảnh hưởng. vòng ống thép được chuyển đổi thành chiềuBên cạnh những quan sát có giá trị, phần lớn rộng và chiều sâu của ống thép vuông, chiềucác nghiên cứu ứng dụng phương pháp số để dài của cột (L), độ dày vách ống thép (t), độmô phỏng, do đó kết quả đạt được bị chi phối dày bê tông (d), độ bền nén của bê tông trụbởi các giả thuyết ứng xử tương tác giữa các (f’c), độ bền nén của viên nén bê tông (fck),vật liệu cấu thành CFST. Sự phát triển mạnh độ bền kéo của thép (fy), độ lệch tâm của tảimẽ của phương pháp máy học, đặc biệt mô trọng (e), 1 biến đầu ra là Nu (khả năng chịuhình mạng nơ-ron nhân tạo (ANN) đã phần lực của cột CFST) và 1 biến phân loại hìnhnào khắc phục được các hạn chế của phương dạng (shape) để xây dựng mô hình ước lượngpháp truyền thống trước đây trong ước lượng dựa trên nền tảng thuật toán XGBoostkhả năng chịu tải của CFST có xét đến nhiều Thuật toán XGBoost khác với mô hìnhthông số ảnh hưởng, ví dụ như nghiên của mạng lưới nơ-ron/ học sâu (ANN/ DeepAhmadi et al. [1], nghiên cứu của Güneyisi et Learning), XGBoost có ưu điểm trong xử lýal. [2] và nghiên cứu của Bui et al. [4]. các bộ dữ liệu dạng bảng (tabular data). Mục tiêu chính của nghiên cứu này là phát Thuật toán này còn có tốc độ huấn luyện dữtriển một mô hình máy học hiệu quả bằng liệu nhanh, khả năng mở rộng tính toán songcách ứng dụng thuật toán XGBoost (Extreme song và hỗ trợ tăng tốc nhờ GPU, do đó thuậtGradient Boosting) để ước lượng chính xác toán này còn có thể xử lý dữ liệu lớn (Bigkhả năng chịu lực của CFST. Các thông số Data). Thuật toán XGBoost được xây dựngđầu vào của phương pháp được đề xuất sẽ bằng cách lần lượt tổng hợp các dự đoán củađược đơn giản hóa thành các thông số cơ bản các mô hình đơn lẻ (Decision trees - DT) để 209Tuyển tập Hội nghị Khoa học thường niên năm 2023. ISBN: 978-604-82-7522-8tạo ra dự đoán tốt hơn. Đầu tiên, DT được sử trong đó:dụng làm các mô hình đơn lẻ và huấn luyện l ( yi , yik 1 ) ˆ  2l ( yi , yik 1 ) ˆtrên từng tập dữ liệu riêng biệt. Sau đó, từng gi  ; hi  yiˆ (yi ) 2 ˆbước một, XGBoost tổng hợp một số lượngK DTs để dự đoán giá trị mục tiêu yi theo xi Các tham số của mô hình được xác địnhđã cho qua công thức: ...