BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN QUỐC GIA VỀ KHOA HỌC, CÔNG NGHỆ VÀ ĐỔI MỚI SÁNG TẠO

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  30,262,697
  • Công bố khoa học và công nghệ Việt Nam

Khoa học xã hội

BB

THS LÊ MINH THANH, TS TRƯƠNG ĐÌNH NHẬT, THS CAO THÀNH NHÂN, THS LÊ THỊ THÙY LINH, Trương Đình Nhật(1)

Xây dựng mô hình máy học lai nhân trọng số để dự báo lực bám dính giữa BTCT và FRP

Enhancing the machine learning model with weighted features to predict the adhesion force between reinforced concrete and FRP materials

Tạp chí Xây dựng

2024

01

98

Bài báo nghiên cứu tập trung vào xây dựng một mô hình học máy có trọng số để dự báo lực bám dính giữa vật liệu bê tông cốt thép và vật liệu FRP gia cường. Mô hình lai JS-WFSS (Jellyfish search optimized - weighted featune stacking system) được xây dựng dựa trên hệ thống xếp chồng có trọng số tối ưu hóa bằng tìm kiếm sứa. Kết quả phân tích cho thấy rằng mô hình lai được tối ưu hóa JS-WFSS có độ chính xác dự đoán tốt hơn so với các nghiên cứu trước đây. Bên cạnh việc xây dựng mô hình, bằng cách so sánh đối trọng của các biến trong mô hình dự báo, nghiên cứu này xác định mức độ quan trọng của các biến đầu vào trong xác định khả năng chịu lực bám dính giữa bê tông cốt thép và vật liệu FRP gia cường. Từ khóa: Lực bám dính giữa FRP và bê tông cốt thép; vật liệu FRP; mô hình máy học; tối ưu hóa; trình tối ưu hóa tìm kiếm sứa.

This study is dedicated to developing a learning model for predicting the adhesion force between reinforced concrete and Fiber Reinforced Polymer (FRP) materials. The hybrid model, named Jellyfish Search Optimized Weighted Feature Stacking System (JS-WFSS), is constructed using a weighted stacking system optimized through jellyfish search. The analysis results clearly indicate that the JS-WFSS optimized hybrid model demonstrates a higher level of prediction accuracy compared to previous studies. Beyond model construction, this study assesses the significance of input variables in determining the bearing capacity between concrete materials and reinforced FRP material by scrutinizing the variable counterweights within the predictive model. Keywords: Adhesion between FRP and concrete; FRP materials; machine learning model; optimization; jellyfish search optimizer.

Xem toàn văn