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

Abstract

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 cứu trước đây. Kết quả so sánh cho thấy mô hình JS – Bagging ANN đạt được hiệu suất vượt 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.