Ứng dụng thuật toán học máy LightGBM cho bài toán hồi quy ước lượng khả năng chịu tải của giàn thép sử dụng phân tích trực tiếp = Application of LightGBM algorithm for regression problem of predicting load-carrying capacity of steel trusses using direct analysis

Abstract

Kỹ thuật học máy dựa trên trí tuệ nhân tạo đang phát triển hết sức nhanh chóng và thể hiện hiệu quả to lớn trong nhiều lĩnh vực của cuộc sống bao gồm thiết kế công trình. Các kỹ thuật học máy thường được xây dựng dựa trên lý thuyết và cấu trúc phức tạp, đòi hỏi người sử dụng phải có trình độ hiểu biết nhất định để sử dụng hiệu quả chúng. Ngoài ra, đối với mỗi dạng bài toán khác nhau, hiệu quả của các thuật toán học máy cũng thay đổi. Nhằm cung cấp cho các kỹ sư thiết kế một tài liệu tham khảo hữu ích về ứng dụng học máy trong thiết kế công trình, trong bài báo này, tác giả giới thiệu thuật toán học máy LightGBM (light gradient boosting machine) cho bài toán hồi qui ước lượng khả năng chịu tải của giàn thép. Phân tích trực tiếp có xét đến phi tuyến tính phi đàn hồi được sử dụng để xác định khả năng chịu tải của công trình. Trên cơ sở đó, tập dữ liệu huấn luyện sẽ được xây dựng với biến đầu vào là tiết diện của thanh giàn và đầu ra là hệ số chịu tải của công trình. Một cầu thép phẳng 113 thanh được xem xét để thể hiện hiệu suất làm việc của LightGBM. Kết quả tính toán cho thấy LightGBM có độ chính xác cao trong việc ước lượng khả năng chịu tải của kết cấu giàn phi tuyến và có thể áp dụng hỗ trợ công tác thiết kế hàng ngày.