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 :  20,949,765
  • Công bố khoa học và công nghệ Việt Nam

Kỹ thuật xây dựng

Phạm Tuấn Anh(1)

Ứng dụng mạng thần kinh nhân tạo trong dự báo độ lún của móng nông

Application of artificial neural network in the prediction of settlement of shallow foundations

Tạp chí Xây dựng

2022

5

76-79

2734-9888

Độ lún móng nông, Xuyên SPT, Trí tuệ nhân tạo, Mạng thần kinh nhân tạo

Shallow foundation settlement, SPT, Artificial intelligence, Artificial neural network

Bên cạnh việc đánh giá sức chịu tải, độ lún cũng là một thông số quan trọng khi tính toán thiết kế móng nông. Do đó, nghiên cứu này trình bày kết quả ứng dụng mô hình mạng thần kinh nhân tạo trong việc dự báo độ lún của móng nông. Một mô hình mạng thần kinh nhân tạo đã được xây dựng và đào tạo bằng thuật toán tối ưu giảm độ dốc. Một bộ số liệu gồm 284 kết quả thí nghiệm nén móng nông với cấp tải trọng khác nhau, dùng để đào tạo và kiểm tra mô hình. Kết quả của nghiên cứu được so sánh với một số kết quả nghiên cứu của Meyerhof, D’Appolonia, cho thấy mạng thần kinh nhân tạo cho phép dự đoán sức chịu tải móng nông sát với kết quả thí nghiệm hơn. Kết quả của nghiên cứu là một tiền đề cho việc ứng dụng mạng thần kinh nhân tạo trong việc giải quyết các bài toán khác trong lĩnh vực xây dựng.

Besides assessing the bearing capacity, settlement is also an important parameter when designing shallow foundations. Therefore, this study presents the results of applying an artificial neural network model in the settlement of shallow foundations. An artificial neural network model was built and trained using the gradient descent optimization algorithm. A dataset including 284 results of shallow foundation load tests with different load levels, was used to train and test the model. The results of the study are compared with some research results of Meyerhof, D'Appolonia, showing that the artificial neural network allows for predicting the shallow foundation load more closely with the experimental results. The results of the study are a premise for the application of artificial neural networks in solving other problems in the field of construction.

TTKHCNQG, CVv 21

Xem toàn văn