Ứng dụng trí tuệ nhân tạo trong dự đoán cường độ chịu nén của bê tông bọt

Chỉ số đề mục

67

Lĩnh vực nghiên cứu

Kỹ thuật xây dựng

Dạng tài liệu

BB

Tác giả

Nguyen Thi Loc, Mai Anh Duc, Nguyen Cong Luyen, Vu Huy Cong, Nguyen Van Huong, Nguyễn Văn Hướng⁽¹⁾

Nhan đề

Ứng dụng trí tuệ nhân tạo trong dự đoán cường độ chịu nén của bê tông bọt

Nhan đề tiếng anh

Artificial intelligence approach for predicting compressive strength of foamed concrete

Nguồn trích

Tạp chí Khoa học và Công nghệ - Đại học Đà Nẵng

Năm xuất bản

2024

Số

3

Trang

13-19

ISSN

1859-1531

Từ khóa

Cường độ chịu nén của bê tông bọt, Mô hình trí tuệ nhân tạo, Dự đoán cường độ chịu nén của bê tông bọt

Từ khóa tiếng anh

Compressive strength of foamed concrete, Artificial Intelligence models, Prediction of the compressive strength of foamed concrete

Tóm tắt

Dự đoán chính xác cường độ chịu nén của bê tông bọt đóng vai trò quan trọng trong việc áp dụng rộng rãi bê tông bọt trong các công trình xây dựng. Nghiên cứu này đánh giá độ chính xác của 06 mô hình trí tuệ nhân tạo (MHTTNT) trong dự đoán cường độ chịu nén của bê tông bọt. Bộ dữ liệu gồm 150 mẫu thử được sử dụng để huấn luyện và đánh giá độ chính xác dự báo của MHTTNT, trong đó trọng lượng khô của bê tông bọt, hàm lượng xi măng, hàm lượng cát và tỉ lệ nước trên xi măng là các số liệu đầu vào, cường độ chịu nén ở 28 ngày tuổi là số liệu đầu ra. Độ chính xác dự báo của các MHTTNT được đánh giá thông qua 04 chỉ số thống kê. Kết quả nghiên cứu cho thấy rằng, các MHTTNT dự đoán khá chính xác cường độ chịu nén của bê tông bọt. Mô hình có độ chính xác lớn nhất là mô hình M5Rules, trong khi mô hình có độ chính xác thấp nhất được xác định dựa trên chỉ số thống kê được sử dụng.

Tóm tắt tiếng anh

Accurately predicting the compressive strength of foamed concrete plays a key role in the wide application of foamed concrete in practice. This study investigates the performance of the six AI models in estimating the compressive strength of foamed concrete. A dataset of 150 samples available in the literature was used for training and testing the AI models. The dry density, cement and sand content, and water-to-cement ratio were employed as input parameters, while the 28-day compressive strength was used as the output parameter. Four statistical indicators were utilized to evaluate the performance of the AI models. The study results reveal that the AI models yield an accurate prediction of the compressive strength of foamed concrete. The best performance model in estimating the compressive strength of foamed concrete is the M5Rules model, while the least accurate model depends on the indicators used to measure the accuracy of the AI models.

Kí hiệu kho

TTKHCNQG, CVv 216

File toàn văn

Xem toàn văn