Tối ưu hóa mô hình catboost để dự đoán cường độ nén bê tông cốt liệu tái chế

Chỉ số đề mục

67

Lĩnh vực nghiên cứu

Vật liệu xây dựng

Dạng tài liệu

Tác giả

Vũ Thị Hương Lan, Nguyễn Thùy Anh, Lý Hải Bằng⁽¹⁾

Nhan đề

Tối ưu hóa mô hình catboost để dự đoán cường độ nén bê tông cốt liệu tái chế

Nhan đề tiếng anh

Optimizing the catboost model to predict the compressive strength of recycled aggregate concrete

Nguồn trích

Giao thông vận tải

Năm xuất bản

2023

Số

5

Trang

60-63

ISSN

2354-0818

Từ khóa

Máy học, Cường độ nén, Bê tông cốt liệu, Gạch ngói tái chế

Từ khóa tiếng anh

Machine Learning (ML), compressive strength, Concrete using recycled brick aggregate

Tóm tắt

Nghiên cứu này tập trung vào việc xây dựng một mô hình dự báo cường độ nén của bê tông cốt liệu gạch ngói tái chế bằng cách sử dụng thuật toán CatBoost (CAT) và phân tích giá trị SHAP để tìm hiểu mức độ ảnh hưởng của các biến đầu vào tới kết quả dự báo. Thuật toán Sparrow Search Algorithm (SSA) được sử dụng để tối ưu hóa mô hình và tìm được mô hình có kết quả dự báo tốt nhất. Dữ liệu sử dụng trong nghiên cứu được thu thập từ các công bố quốc tế, bao gồm 11 biến đầu vào và 1 biến đầu ra với tổng số 393 mẫu thí nghiệm. Trong quá trình nghiên cứu, dữ liệu được chia thành tập huấn luyện và tập kiểm tra theo tỷ lệ 70:30. Kết quả đạt được cho thấy mô hình dự báo có khả năng dự báo tốt trên dữ liệu bê tông cốt liệu tái chế và các thông số như hàm lượng xi măng, tuổi bê tông, tổng lượng cốt liệu thô và tỉ lệ % cốt liệu gạch nghiền thô có ảnh hưởng đáng kể tới kết quả dự báo

Tóm tắt tiếng anh

This study focuses on the development of a predictive model for the compressive strength of concrete using recycled brick aggregate with the CatBoost algorithm (CAT) and SHAP value analysis to investigate the influence of input variables on the prediction results. The Sparrow Search Algorithm (SSA) is also utilized to optimize the CAT model and find the best-performing one. The data used in the study were collected from the relevant literature, including 11 input variables and 1 output, with a total of 393 experimental samples. During the development phase, the dataset was divided into training and testing sets in a 70:30 ratio. The results showed that the predictive model could accurately predict the compressive strength of recycled concrete, and variables such as cement content, concrete age, total coarse aggregate amount, and percentage of coarse crushed brick aggregate significantly influenced the prediction results.

Kí hiệu kho

TTKHCNQG, CVb 12

File toàn văn

Xem toàn văn