Dự báo khả năng chịu uốn kết cấu BTCT được tăng cường bê tông siêu tính năng (UHPC) sử dụng mô hình hồi quy ký tự
Email:
hoangviethai@utc.edu.vn
Từ khóa:
Khả năng chịu uốn, Bê tông siêu tính năng (UHPC), Mô hình học máy (ML), Mô hình hồi quy ký tự
Tóm tắt
Mô hình học máy (ML) đang thu hút sự quan tâm và ứng dụng rộng rãi của nhiều nhà khoa học trong lĩnh vực kỹ thuật. Mô hình này mang lại kết quả nhanh chóng hơn so với các phương pháp phân tích truyền thống, đặc biệt là khi xử lý dữ liệu lớn. Do đó, việc phát triển các mô hình dự báo chính xác hơn cho các bài toán kỹ thuật hiện đang là trọng tâm nghiên cứu của các nhà khoa học. Bài báo này trình bày nghiên cứu về phát triển mô hình hồi quy ký tự (SR-Symbolic Regression) dựa trên dữ liệu của các nghiên cứu trước đây để xây dựng phương trình dự đoán khả năng chịu mômen của dầm, bản bê tông cốt thép (BTCT) được tăng cường bằng bê tông tính năng siêu cao (UHPC). Cơ sở dữ liệu gồm 65 mẫu bản UHPC- BTCT tiết diện hình chữ nhật chịu tải trọng uốn được sử dụng để huấn luyện mô hình. Trong các mô hình hồi quy ký tự, mô hình Operon thể hiện hiệu suất vượt trội về tốc độ huấn luyện và độ chính xác. Với độ chính xác R2= 0,96 và MAE= 6,4, mô hình Operon có độ chính xác xấp xỉ các mô hình dự báo khác đã được công bố. Đồng thời mô hình Operon còn có ưu điểm là thể hiện được phương trình dự báo một cách tường minh giúp thể hiện rõ bản chất vật lý của mô hình cũng như tăng khả năng áp dụng. Phương trình thu được từ mô hình Operon cũng được so sánh với thí nghiệm được nhóm nghiên cứu thực hiệnTài liệu tham khảo
[1 ]. Hoàng Việt Hải, Thực nghiệm và mô phỏng ứng xử chịu kéo của bê tông siêu tính năng, Tạp Chí Khoa Học Giao Thông Vận Tải, 74 (2023) 709-717. https://doi.org/10.47869/tcsj.74.6.2
[2 ]. H. Yin, K. Shirai, W. Teo, Finite element modelling to predict the flexural behaviour of ultra-high performance concrete members, Engineering Structures, 183 (2019) 741-755.https://doi.org/10.1016/j.engstruct.2019.01.046
[3 ]. Hoàng Việt Hải, Thực nghiệm ứng xử chịu uốn bản bê tông cốt thép được tăng cường bê tông siêu tính năng (UHPC). Tạp Chí Khoa Học Giao Thông Vận Tải, 74 (2023) 1100-1109. https://doi.org/10.47869/tcsj.74.9.7
[4 ]. H. Yin,W. Teo, K. Shirai, Experimental investigation on the behaviour of reinforced concrete slabs strengthened with ultra-high performance concrete, Construction and Building Materials, 155 (2017) 463-474.https://doi.org/10.1016/j.conbuildmat.2017.08.077
[5 ]. M. Mohtasham Moein, A. Saradar, K. Rahmati, S.H. Ghasemzadeh Mousavinejad, J. Bristow, V. Aramali, M. Karakouzian, Predictive models for concrete properties using machine learning and deep learning approaches: A review, Journal of Building Engineering, 63 (2023) 105444. https://doi.org/10.1016/j.jobe.2022.105444
[6 ]. L.K Nguyen, T.H Trinh, T.T Nguyen, H.D. Nguyen, Comparative study on the performance of different machine learning techniques to predict the shear strength of RC deep beams: Model selection and industry implications, Expert Systems with Applications, 230 (2023) 120649.https://doi.org/10.1016/j.eswa.2023.120649
[7 ]. M. Katlav, F. Ergen, Data-driven moment-carrying capacity prediction of hybrid beams consisting of UHPC-NSC using machine learning-based models, Structures, 59 (2024) 105733.https://doi.org/10.1016/j.istruc.2023.105733
[8 ]. H.-T. Thai, Machine learning for structural engineering: A state-of-the-art review, Structures, 38 (2022) 448-491.https://doi.org/10.1016/j.istruc.2022.02.003
[9 ]. A.T.G. Tapeh, M.Z. Naser, Artificial Intelligence, Machine Learning, and Deep Learning in Structural Engineering: A Scientometrics Review of Trends and Best Practices, Archives of Computational Methods in Engineering, 30 (2023) 115-159. https://doi.org/10.1007/s11831-022-09793-w
[10 ]. B. Burlacu, G. Kronberger, M. Kommenda, Operon C++: an efficient genetic programming framework for symbolic regression, in Proceedings of the 2020 Genetic and Evolutionary Computation Conference Companion, Association for Computing Machinery: Cancun, Mexico. (2020) 1562–1570. https://doi.org/10.1145/3377929.3398099.
[11 ]. H. Falah Hassan, Behavior of Hybrid Deep Beams Containing Ultra High Performance and Conventional Concretes, Engineering & Technology Journal, 33 (2015) 30-50. https://doi.org/10.30684/etj.33.1A.3
[12 ]. M. Safdar, T. Matsumoto, K. Kakuma, Flexural behavior of reinforced concrete beams repaired with ultra-high performance fiber reinforced concrete (UHPFRC), Composite Structures, 157 (2016) 448-460. https://doi.org/10.1016/j.compstruct.2016.09.010
[13 ]. K. Turker, I.B. Torun, Flexural performance of highly reinforced composite beams with ultra-high performance fiber reinforced concrete layer, Engineering Structures, 219 (2020) 110722.https://doi.org/10.1016/j.engstruct.2020.110722
[14 ]. Y. Yang, C. Xu, J. Yang, K. Wang, Experimental study on flexural behavior of precast hybrid UHPC-NSC beams, Journal of Building Engineering, 70 (2023) 106354.https://doi.org/10.1016/j.jobe.2023.106354
[15 ]. S. Yuan, Z. Liu, T. Tong, J. Liu, Experimental, analytical, and numerical investigation on flexural behavior of hybrid beams consisting of ultra-high performance and normal-strength concrete, Engineering Structures, 268 (2022) 114725. https://doi.org/10.1016/j.engstruct.2022.114725
[16 ]. M.A. Al-Osta, M.N. Isa, M.H. Baluch, M.K. Rahman, Flexural behavior of reinforced concrete beams strengthened with ultra-high performance fiber reinforced concrete, Construction and Building Materials, 134 (2017) 279-296.https://doi.org/10.1016/j.conbuildmat.2016.12.094
[17 ]. L. Hussein, L. Amleh, Structural behavior of ultra-high performance fiber reinforced concrete-normal strength concrete or high strength concrete composite members, Construction and Building Materials, 93 (2015) 1105-1116. https://doi.org/10.1016/j.conbuildmat.2015.05.030
[18 ]. B.A. Le, B.V. Tran, T.S. Vu, V.H. Vu, V.H. Nguyen, Predicting the Compressive Strength of Pervious Cement Concrete based on Fast Genetic Programming Method, Arabian Journal for Science and Engineering, (2024). https://doi.org/10.1007/s13369-023-08396-2
[19 ]. V.H. Hoang, T.A. Do, A.T. Tran, X.H. Nguyen, Flexural capacity of reinforced concrete slabs retrofitted with ultra-high-performance concrete and fiber-reinforced polymer, Innovative Infrastructure Solution, 9 (2024) 113. https://doi.org/10.1007/s41062-024-01410-y
[2 ]. H. Yin, K. Shirai, W. Teo, Finite element modelling to predict the flexural behaviour of ultra-high performance concrete members, Engineering Structures, 183 (2019) 741-755.https://doi.org/10.1016/j.engstruct.2019.01.046
[3 ]. Hoàng Việt Hải, Thực nghiệm ứng xử chịu uốn bản bê tông cốt thép được tăng cường bê tông siêu tính năng (UHPC). Tạp Chí Khoa Học Giao Thông Vận Tải, 74 (2023) 1100-1109. https://doi.org/10.47869/tcsj.74.9.7
[4 ]. H. Yin,W. Teo, K. Shirai, Experimental investigation on the behaviour of reinforced concrete slabs strengthened with ultra-high performance concrete, Construction and Building Materials, 155 (2017) 463-474.https://doi.org/10.1016/j.conbuildmat.2017.08.077
[5 ]. M. Mohtasham Moein, A. Saradar, K. Rahmati, S.H. Ghasemzadeh Mousavinejad, J. Bristow, V. Aramali, M. Karakouzian, Predictive models for concrete properties using machine learning and deep learning approaches: A review, Journal of Building Engineering, 63 (2023) 105444. https://doi.org/10.1016/j.jobe.2022.105444
[6 ]. L.K Nguyen, T.H Trinh, T.T Nguyen, H.D. Nguyen, Comparative study on the performance of different machine learning techniques to predict the shear strength of RC deep beams: Model selection and industry implications, Expert Systems with Applications, 230 (2023) 120649.https://doi.org/10.1016/j.eswa.2023.120649
[7 ]. M. Katlav, F. Ergen, Data-driven moment-carrying capacity prediction of hybrid beams consisting of UHPC-NSC using machine learning-based models, Structures, 59 (2024) 105733.https://doi.org/10.1016/j.istruc.2023.105733
[8 ]. H.-T. Thai, Machine learning for structural engineering: A state-of-the-art review, Structures, 38 (2022) 448-491.https://doi.org/10.1016/j.istruc.2022.02.003
[9 ]. A.T.G. Tapeh, M.Z. Naser, Artificial Intelligence, Machine Learning, and Deep Learning in Structural Engineering: A Scientometrics Review of Trends and Best Practices, Archives of Computational Methods in Engineering, 30 (2023) 115-159. https://doi.org/10.1007/s11831-022-09793-w
[10 ]. B. Burlacu, G. Kronberger, M. Kommenda, Operon C++: an efficient genetic programming framework for symbolic regression, in Proceedings of the 2020 Genetic and Evolutionary Computation Conference Companion, Association for Computing Machinery: Cancun, Mexico. (2020) 1562–1570. https://doi.org/10.1145/3377929.3398099.
[11 ]. H. Falah Hassan, Behavior of Hybrid Deep Beams Containing Ultra High Performance and Conventional Concretes, Engineering & Technology Journal, 33 (2015) 30-50. https://doi.org/10.30684/etj.33.1A.3
[12 ]. M. Safdar, T. Matsumoto, K. Kakuma, Flexural behavior of reinforced concrete beams repaired with ultra-high performance fiber reinforced concrete (UHPFRC), Composite Structures, 157 (2016) 448-460. https://doi.org/10.1016/j.compstruct.2016.09.010
[13 ]. K. Turker, I.B. Torun, Flexural performance of highly reinforced composite beams with ultra-high performance fiber reinforced concrete layer, Engineering Structures, 219 (2020) 110722.https://doi.org/10.1016/j.engstruct.2020.110722
[14 ]. Y. Yang, C. Xu, J. Yang, K. Wang, Experimental study on flexural behavior of precast hybrid UHPC-NSC beams, Journal of Building Engineering, 70 (2023) 106354.https://doi.org/10.1016/j.jobe.2023.106354
[15 ]. S. Yuan, Z. Liu, T. Tong, J. Liu, Experimental, analytical, and numerical investigation on flexural behavior of hybrid beams consisting of ultra-high performance and normal-strength concrete, Engineering Structures, 268 (2022) 114725. https://doi.org/10.1016/j.engstruct.2022.114725
[16 ]. M.A. Al-Osta, M.N. Isa, M.H. Baluch, M.K. Rahman, Flexural behavior of reinforced concrete beams strengthened with ultra-high performance fiber reinforced concrete, Construction and Building Materials, 134 (2017) 279-296.https://doi.org/10.1016/j.conbuildmat.2016.12.094
[17 ]. L. Hussein, L. Amleh, Structural behavior of ultra-high performance fiber reinforced concrete-normal strength concrete or high strength concrete composite members, Construction and Building Materials, 93 (2015) 1105-1116. https://doi.org/10.1016/j.conbuildmat.2015.05.030
[18 ]. B.A. Le, B.V. Tran, T.S. Vu, V.H. Vu, V.H. Nguyen, Predicting the Compressive Strength of Pervious Cement Concrete based on Fast Genetic Programming Method, Arabian Journal for Science and Engineering, (2024). https://doi.org/10.1007/s13369-023-08396-2
[19 ]. V.H. Hoang, T.A. Do, A.T. Tran, X.H. Nguyen, Flexural capacity of reinforced concrete slabs retrofitted with ultra-high-performance concrete and fiber-reinforced polymer, Innovative Infrastructure Solution, 9 (2024) 113. https://doi.org/10.1007/s41062-024-01410-y
Tải xuống
Chưa có dữ liệu thống kê
Nhận bài
31/01/2024
Nhận bài sửa
09/06/2024
Chấp nhận đăng
11/06/2024
Xuất bản
15/06/2024
Chuyên mục
Công trình khoa học
Kiểu trích dẫn
Lê Bá, A., & Hoàng Việt, H. (4400). Dự báo khả năng chịu uốn kết cấu BTCT được tăng cường bê tông siêu tính năng (UHPC) sử dụng mô hình hồi quy ký tự. Tạp Chí Khoa Học Giao Thông Vận Tải, 75(5), 1870-1881. https://doi.org/10.47869/tcsj.75.5.13
Số lần xem tóm tắt
139
Số lần xem bài báo
77
