Dự báo khả năng chịu tải nén lệch tâm của cột thép nhồi bê tông bằng mô hình học máy được tối ưu hóa bằng thuật toán Jellyfish Search = Predicting the eccentric axial load capacity of concrete filled steel tube columns using a machine learning model optimized by Jellyfish Search algorithm

Abstract

Cột thép nhồi bê tông (Concrete-filled steel tube, CFST) ngày càng được ưa chuộng trong các công trình dân dụng và giao thông hiện nay bởi các ưu thế vượt trội của nó so với kết cấu bê tông cốt thép thông thường. Nghiên cứu này tập trung vào xây dựng mô hình dự báo dựa trên thuật toán tối ưu hóa Jellyfish Search (JS) để tự động tìm kiếm các thông số của mô hình học máy nhằm dự báo độ nén lệch tâm của CFST. Một bộ dữ liệu gồm 499 mẫu với 11 biến đầu vào và đầu ra là khả năng chịu nén lệch tâm của cột được sử dụng để xây dựng các mô hình học máy đơn ANN, SVR, CART, LR và mô hình hỗn hợp Voting, Bagging, Stacking. Sau khi xây dựng và so sánh mô hình trên, mô hình có độ chính xác nhất được chọn để kết hợp với thuật toán tối ưu hóa JS nhằm tạo ra mô hình dự báo có hiệu suất cao nhất. Kết quả thu được rất khả quan với với R= 0.9949, MAE= 46.8157 kN, RMSE= 7.2097 kN và MAPE= 7.67%, SI=0.00 (Rank=1) chứng tỏ đây là một mô hình đầy hứa hẹn để sử dụng trong thiết kế và phân tích kết cấu CFST.