Nghiên cứu ứng dụng mô hình trí tuệ nhân tạo dự báo cường độ nén của bê tông sử dụng cốt liệu tái chế

Chỉ số đề mục

Lĩnh vực nghiên cứu

Kỹ thuật giao thông vận tải

Dạng tài liệu

Tác giả

Lý Hải Bằng⁽¹⁾ , Nguyễn Thùy Anh, Mai Thị Hải Vân

Nhan đề

Nghiên cứu ứng dụng mô hình trí tuệ nhân tạo dự báo cường độ nén của bê tông sử dụng cốt liệu tái chế

Nhan đề tiếng anh

COMPRESSIVE STRENGTH PREDICTION OF RECYCLED AGGREGATE CONCRETE BY ARTIFICIAL NEURAL NETWORK

Nguồn trích

Khoa học Giao thông vận tải

Năm xuất bản

2021

Số

2

Trang

369-384

ISSN

1859-2724

Từ khóa

Cường độ nén, Bê tông cốt liệu tái chế, Mạng nơ ron nhân tạo (ANN), Thuật toán Conjugate gradient

Từ khóa tiếng anh

compressive strength, recycled aggregate concrete, artificial neural network (ANN), conjugate gradient algorithm.

Tóm tắt

Lĩnh vực xây dựng đang phát triển nhanh chóng trong thập kỷ qua. Các hoạt động này đòi hỏi một lượng lớn cốt liệu để xây dựng mới và cũng tạo ra một lượng lớn chất thải từ việc phá dỡ các công trình cũ. Để khắc phục điều này, bê tông cốt liệu tái chế (RAC), trong đó cốt liệu tự nhiên được thay thế bằng cốt liệu bê tông tái chế, hiện đang là một hướng nghiên cứu tiềm năng và giúp bảo tồn tài nguyên thiên nhiên, giảm thiểu tác động đến môi trường. Tuy nhiên, việc tối ưu hóa hỗn hợp RAC do thành phần khác nhau của cốt liệu tái chế và việc ước tính cường độ nén đòi hỏi các kỹ thuật mới và phức tạp. Trong nghiên cứu này, mô hình mạng nơ ron nhân tạo với thuật toán Conjugate gradient được đề xuất để dự đoán cường độ nén của RAC. Cơ sở dữ liệu RAC trong nghiên cứu này gồm 650 kết quả thí nghiệm được tổng hợp từ 69 nghiên cứu thử nghiệm. Hiệu suất của mô hình ANN được đánh giá bằng cách sử dụng các tiêu chí thống kê, cụ thể là hệ số tương quan (R), sai số toàn phương trung bình (RMSE), sai số tuyệt đối trung bình (MAE) và sai số phần trăm tuyệt đối trung bình (MAPE). Kết quả cho thấy mô hình ANN đề xuất là một công cụ dự đoán hợp lý và hữu ích cho các kỹ sư, giúp tiết kiệm thời gian, giảm thiểu các thí nghiệm tốn kém.

Tóm tắt tiếng anh

The field of construction is evolving rapidly over the past decades. These activities require excessive amounts of aggregates for new construction and generate a large amount of demolition waste. To overcome this problem, recycled aggregate concrete (RAC), in which natural aggregates are replaced with recycled concrete aggregates, is a promising research direction, aiming at conserving natural resources as well as reducing the environmental impacts. However, the determination of the RAC mixture requires novel and sophisticated techniques due to the variability of recycled aggregates and the lack of prediction accuracy in estimating the compressive strength. In this study, an artificial neural network (ANN) model using conjugate gradient (CG) algorithm is proposed to predict the compressive strength of RAC. The RAC database in this study includes 650 experimental results gathered from 69 experimental studies. The performance of the models is assessed using statistical criteria, namely the correlation coefficient (R), root mean square error (RMSE), mean absolute error (MAE), and mean absolute percentage error (MAPE). The results of this study show that the ANN-CG model can accurately predict the compressive strength of RAC, representing a promising and useful alternative design solution for structural engineers.

Kí hiệu kho

TTKHCNQG, CVv 287

File toàn văn

Xem toàn văn