BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  20,048,116
  • Công bố khoa học và công nghệ Việt Nam

67

Vật liệu xây dựng

Trần Văn Quân(1), Nguyễn Hoàng Giang, Nguyễn Ngọc Tân(3), Nguyen Hoang Giang(2)

Đánh giá các yếu tố ảnh hưởng đến cường độ nén và mô đun đàn hồi của bê tông cốt liệu cao su bằng mô hình học máy

Assessing factors affecting compressive strength and elastic modulus of cementitious concretes made with rubber aggregates using machine learning models

Tạp chí Khoa học công nghệ xây dựng

2023

2V

95-107

2615-9058

Bê tông cao su, Vụn cao su cắt nhỏ, Vụn cao su, Cường độ chịu nén, Mô đun đàn hồi, Mô hình học máy

Rubber concrete, Crumb rubber, Tire rubber, Compressive strength, Modulus of elasticity, Machine learning model

Nghiên cứu này tập trung vào phát triển mô hình học máy để thiết kế thành phần bê tông sử dụng cốt liệu cao su. Mô hình tăng cường độ dốc (GB) dự đoán cường độ chịu nén và mô đun đàn hồi với độ chính xác cao trên tập dữ liệu kiểm chứng với hệ số xác định R2 = 0,9983 và sai số căn quân phương RMSE = 0,8947 MPa khi dự đoán cường độ chịu nén và R2 = 0,9971 và RMSE = 0,7473 GPa cho dự đoán mô đun đàn hồi. Các giá trị SHAP toàn cục và tuyệt đối được sử dụng để đánh giá độ ảnh hưởng của tám tham số đầu vào đến cường độ chịu nén và mô đun đàn hồi. Ảnh hưởng của các yếu tố đến cường độ chịu nén được sắp xếp theo thứ tự là: Vụn cao su cắt nhỏ (CR) > Vụn cao su (TR) > Xi măng (C) > Nước (W) > Muội silic (SF) > Cốt liệu thô (CA) > Cát (S) và với mô đun đàn hồi theo thứ tự là CR > TR > W > C > CA > S > SF. Hàm lượng nước, TR và CR làm giảm cường độ và mô đun đàn hồi của bê tông cao su khi tăng hàm lượng, trong khi các yếu tố còn lại đều có lợi cho việc cải thiện cường độ chịu nén và mô đun đàn hồi khi tăng hàm lượng.

The present study focuses on developing a machine learning model to design concrete compositions using rubber aggregates. The Gradient Boosting (GB) model predicts compressive strength and modulus of elasticity with high accuracy on the control dataset, having a coefficient of determination R2 = 0,9983 and a root mean square error RMSE = 0,8947 MPa in predicting compressive strength and R2 = 0,9971 and RMSE = 0,7473 GPa in predicting elastic modulus. Global and absolute SHAP values are used to evaluate the influence of the eight input variables on compressive strength and modulus of elasticity. The influence of factors on compressive strength is arranged in the order: Crumb rubber (CR) > Tire rubber (TR) > Cement (C) > Water (W) > Silica fume (SF) > Coarse aggregate (CA) > Sand (S) and with the elastic modulus in the order CR > TR > W > C > CA > S > SF. Water content, TR, and CR are to reduce the strength and elastic modulus of rubber concrete with increasing content, while the remaining factors are beneficial for improving compressive strength and elastic modulus when increasing content.

TTKHCNQG, CVv 346

Xem toàn văn