HỆ THỐNG THÔNG TIN QUỐC GIA VỀ KHOA HỌC, CÔNG NGHỆ VÀ ĐỔI MỚI SÁNG TẠO
Lọc theo danh mục
liên kết website
Lượt truy cập
Lượt truy cập :
30,262,697
- Công bố khoa học và công nghệ Việt Nam
67
Kỹ thuật xây dựng
BB
Phạm Công Phương, Trương Đình Nhật, Nguyễn Hữu Anh Tuấn, Lê Thị Thùy Linh, TRƯƠNG ĐÌNH NHẬT(1)
Dự báo độ võng dài hạn của dầm bê tông cốt thép bằng mô hình học máy tối ưu hóa Jellyfish Search
Prediction of long-term deflection of reinforced concrete beams using Jellyfish Search optimization machine learning model
Tạp chí Xây dựng
2024
9
112-117
2734-9888
Độ võng dài hạn của dầm bê tông cốt thép (BTCT) luôn là một thách thức trong việc thiết kế kết cấu. Nghiên cứu này tập trung vào phát triển một mô hình học máy sử dụng thuật toán tối ưu hóa Jellyfish Search để dự báo độ võng dài hạn của dầm BTCT. Dựa trên bộ dữ liệu của nghiên cứu đã công bố, các mô hình học máy được xây dựng và đánh giá (bao gồm mô hình đơn và mô hình hỗn hợp) để chọn ra mô hình có độ chính xác cao nhất. Thuật toán tối ưu hóa Jellyfish Search được sử dụng để tối ưu hóa các tham số của mô hình được chọn. Kết quả tính toán sẽ được đánh giá lại với các kết quả của nghiên c ứu t rước đ ây. K ết q uả s o s ánh c ho t hấy m ô h ình J S – Bagging ANN đạt được h iệu suất v ượt trội với R = 0.976; MAE = 3.988 (mm); RMSE = 1.777 (mm); MAPE = 14.154% và SI = 0.00 (1). Do đó mô hình JS – Bagging ANN rất đáng tham khảo để dự báo độ võng dài hạn của dầm BTCT trong tính toán thiết kế.
The long-term deflection of reinforced concrete beams has always been a challenge in structural design. This study focuses on developing a machine learning model using the Jellyfish Search optimization algorithm to predict the long-term deflection of reinforced concrete beams. Based on a dataset from published research, machine learning models were built and evaluated (including single and ensemble models) to select the most accurate model. The Jellyfish Search optimization algorithm was used to optimize the parameters of the selected model. The comparison results showed that the JS – Bagging ANN model achieved superior performance with R = 0.976; MAE = 3.988 mm; RMSE = 1.777 mm; MAPE = 14.154%; and SI = 0.00 (1). Therefore, the JS - Bagging ANN model is highly recommended for predicting the long-term deflection of reinforced concrete beams in structural design calculations.
TTKHCNQG, CVv21
Xem toàn văn