Tối ưu hóa sức chịu tải cọc từ kết quả nén tĩnh hiện trường sử dụng giải thuật di truyền và mạng nơ-ron nhân tạo (Optimizing prediction of pile bearing capacity based on the results of in situ compressive test using genetic algorithm and artificial neural network)

Abstract

Việc phân tích, đánh giá chính xác sức chịu tải giới hạn của cọc là một vấn đề rất quan trọng nhằm giảm thiểu chi phí trong thi công móng cọc. Trong trường hợp các thí nghiệm được nén tĩnh đến phá hoại, sức chịu tải giới hạn của cọc có thể được xác định dựa trên các phương pháp như: SNIP 2.02.03.85, Offset Limit Mazurkiewicz, De Beer, Davision và Hansen. Trong trường hợp tải trọng thí nghiệm chưa đạt đến giá trị giới hạn, để xác định sức chịu tải cọc có thể sử dụng các phương pháp Chin-Kondner, Decourt, Hansen. Tuy nhiên, các phương pháp này ngoại suy giá trị sức chịu tải cọc từ dữ liệu nén tĩnh do đó giá trị sức chịu tải thu được chưa thật sự chính xác. Để tăng độ chính xác khi ngoại suy sức chịu tải giới hạn cọc từ dữ liệu nén tĩnh, bài báo này để xuất giải pháp Chin-kondner-GA nhằm tối ưu hóa phương pháp Chin-Kondner bằng cách sử dụng giải thuật gen di truyền. Bên cạnh đó, mạng Nơ-ron nhân tạo còn được ứng dụng để huấn luyện phương pháp Chin-Kondner-GA nhằm đạt được kết quả tối ưu nhất có thể. Kết quả cho thấy, đường ngoại suy tải cực hạn của giải thuật tối ưu bám sát với đường tải thử tĩnh hơn so với phương pháp Chin-kondner thuần túy. Từ đó, có thể khẳng định sức chịu tải giới hạn của cọc xác định theo phương pháp Chin-Kondner-GA được huấn luyện mạng Nơ-ron nhân tạo (Chin-Kondner-GA-ANN) là đáng tin cậy.