Dự báo khả năng chống xuyên thủng của sàn phẳng BTCT bằng kỹ thuật trí tuệ nhân tạo = Forecasting the punching shear capacity of reinforced concrete flat slabs using artificial intelligence techniques

Abstract

Nghiên cứu này phát triển một mũ hình trí tuệ nhân tạo có khả năng tự điều chỉnh các thông số bằng thuật toán tối ưu hóa để dự báo khả năng chống xuyên thủng của sàn phẳng bê tông cốt thép. Một bộ dữ liệu gồm 511 mẫu được thu thập từ nghiên cứu trước. Các mô hình đơn, hỗn hợp từ 4 mô hình cơ bản bao gồm mạng thần kinh nhân tạo (ANN), hồi quy véc-tơ hỗ trợ (SVR), hồi quy tuyến tính (LR) và cây phân loại và hồi quy (CART) được đánh giá và tìm ra mô hình tốt nhất. Mô hình tìm ra sẽ được kết hợp với thuật toán tối ưu hóa Jellyfish search (JS) để tối ưu hóa các siêu tham số nhằm nâng cao độ chính xác của mô hình, là mô hình JS-Stacking-LSSVR. Kết quả so sánh cho thấy mô hình được đề xuất có độ chính xác vượt trội so với các mô hình khác, kể cả các mô hình đã được công bố trước đây. Điều này chứng tỏ rằng, mô hình JS-Stacking-LSSVR là công cụ dự báo khả năng chống xuyên thủng của sàn phẳng bê tông cốt thép với độ chính xác cao, có thể áp dụng trong thiết kế và phân tích kết cấu bê tông cốt thép.