Nghiên cứu ứng dụng mạng nơ ron nhân tạo để dự đoán ứng xử của bê tông trong thí nghiệm nén một trục

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• TÓM TẮT
• ABSTRACT
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tính cấp thiết và điểm mới từ luận văn
• 1.2. Tổng quan chung về tình hình nghiên cứu trong và ngoài nước
• 1.2.1. Tình hình nghiên cứu trong nước
• 1.2.1.1. Tổng quan về nghiên cứu ứng xử của bê tông trong nước
• 1.2.1.2. Ứng xử bê tông trong thực nghiệm
• 1.2.1.3. Ứng xử bê tông trong mô phỏng
• 1.2.2. Tổng quan về nghiên cứu trí tuệ nhân tạo (AI) trong nước
• 1.2.2.1. Tổng quan về nghiên cứu trí tuệ nhân tạo (AI) trong lĩnh vực xây dựng
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Các mô hình ứng xử của bê tông
• 2.1.1. Mô hình ứng xử của bê tông đàn hồi
• 2.1.2. Mô hình ứng xử theo lý thuyết cơ học rạn nứt bê tông (CFM)
• 2.1.3. Mô hình ứng xử theo lý thuyết đàn hồi – dẻo
• 2.1.4. Mô hình ứng xử theo lý thuyết đàn hồi – dòn
• 2.1.5. Mô hình ứng xử theo lý thuyết đàn hồi – dẻo – dòn
• 2.1.6. Các mô hình ứng xử khác
• 2.1.7. Lựa chọn mô hình ứng xử
• 2.1.8. Lý thuyết các mô hình ứng xử đàn hồi – dẻo
• 2.1.9. Vùng ứng xử bê tông cường độ thường
• 2.1.10. Mô hình ứng xử theo Hognestad
• 2.1.11. Mô hình ứng xử theo CEB – FIP
• 2.1.12. Mô hình ứng xử theo Wee & Mansur
• 2.1.13. Mô hình ứng xử theo Almusallam & Alsayed
• 2.1.14. Mạng nơ – ron nhân tạo (ANN)
• 2.1.14.1. Cấu trúc mạng nơ – ron nhân tạo
• 2.1.14.2. Phân loại mạng nơ – ron nhân tạo
• 2.1.14.3. Quá trình huấn luyện mạng
• 2.1.15. Giải thuật tiến hóa di truyền (GA)
• 2.1.15.1. Các quá trình trong giải thuật di truyền (GA)
• 2.1.15.2. Tham số toán học trong giải thuật di truyền (GA)
• 2.1.16. Lý thuyết tính toán tối ưu
• 2.1.16.1. Nguyên tắc chung của bài toán tối ưu
• 2.1.16.2. Các bước thành lập bài toán tối ưu
• 3. CHƯƠNG 3: XÂY DỰNG HÀM MỤC TIÊU
• 3.1. Tính toán giải tích các mô hình ứng xử
• 3.2. Đề xuất mô hình ứng xử
• 3.2.1. Mô hình ứng xử đề xuất LIT
• 3.2.2. Mô hình ứng xử tối ưu LIT & GA
• 4. CHƯƠNG 4: DỰ ĐOÁN CƯỜNG ĐỘ CHỊU NÉN TỪ THÀNH PHẦN CẤP PHỐI
• 4.1. Bài toán thuận
• 4.2. Bài toán nghịch
• 5. CHƯƠNG 5: DỰ ĐOÁN ĐƯỜNG CONG ỨNG XỬ
• 5.1. Dự đoán đường cong ứng xử tổ mẫu M12, M21, M36
• 5.2. Kiểm chứng kết quả dự đoán
• 5.2.1. Thí nghiệm nén mẫu ghi nhận
• 5.2.2. Dự đoán cường độ chịu nén từ cấp phối mẫu
• 5.2.3. Dự đoán đường cong ứng xử từ tổ mẫu
• 5.2.4. Đánh giá kết quả dự đoán
• 6. CHƯƠNG 6: KẾT LUẬN VÀ KIẾN NGHỊ
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC TÍNH TOÁN
• Phụ lục 1. Code Matlab bài toán xấp xỉ _Mạng nơ – ron ANN
• Phụ lục 2. Code Matlab tìm kiếm hệ số tối ưu_Giải thuật di truyền GA
• Phụ lục 3. Kết quả tính toán các mô hình ứng xử ứng với tổ mẫu DC01 và DC02
• Phụ lục 4. Kết quả tính toán các mô hình ứng xử ứng với mẫu M12, M21 và M36
• Phụ lục 5. Kết quả thí nghiệm thực nghiệm cho quan hệ ứng suất và biến dạng của tổ mẫu DC01, DC02 và TR03
• Phụ lục 6. Kết quả tính toán ứng suất và biến dạng của LIT & GA tương ứng với 3 tổ mẫu DC01, DC02 và TR03

I. Tổng quan về nghiên cứu ứng dụng mạng nơ ron nhân tạo trong dự đoán ứng xử bê tông

Nghiên cứu ứng dụng mạng nơ ron nhân tạo (ANN) trong dự đoán ứng xử của bê tông đang trở thành một xu hướng quan trọng trong ngành xây dựng. Với sự phát triển của công nghệ, việc áp dụng ANN giúp tối ưu hóa quy trình dự đoán cường độ chịu nén của bê tông từ các thành phần cấp phối khác nhau. Điều này không chỉ giảm thiểu chi phí thí nghiệm mà còn nâng cao độ chính xác trong việc đánh giá chất lượng bê tông.

1.1. Tình hình nghiên cứu trong và ngoài nước về ứng xử bê tông

Nhiều nghiên cứu đã chỉ ra rằng ứng xử của bê tông phụ thuộc vào nhiều yếu tố như thành phần cấp phối, điều kiện môi trường và phương pháp thí nghiệm. Các mô hình ứng xử như Hognestad, CEB-FIP đã được áp dụng nhưng vẫn chưa hoàn toàn chính xác. Việc sử dụng mạng nơ ron nhân tạo giúp cải thiện độ chính xác của các mô hình này.

1.2. Lợi ích của việc sử dụng mạng nơ ron nhân tạo trong dự đoán bê tông

Việc áp dụng mạng nơ ron nhân tạo trong dự đoán ứng xử bê tông mang lại nhiều lợi ích như giảm thiểu số lượng mẫu thí nghiệm, tiết kiệm chi phí và thời gian. Hơn nữa, ANN có khả năng xử lý khối lượng dữ liệu lớn và tìm ra các mối quan hệ phức tạp giữa các biến số, từ đó đưa ra dự đoán chính xác hơn.

II. Vấn đề và thách thức trong nghiên cứu ứng xử bê tông

Mặc dù có nhiều tiến bộ trong việc ứng dụng mạng nơ ron nhân tạo, vẫn tồn tại một số thách thức trong việc dự đoán ứng xử bê tông. Các vấn đề như độ chính xác của dữ liệu đầu vào, sự phức tạp của mô hình và khả năng tổng quát của ANN cần được xem xét kỹ lưỡng.

2.1. Độ chính xác của dữ liệu đầu vào trong mô hình

Độ chính xác của dữ liệu đầu vào là yếu tố quyết định đến kết quả dự đoán của mạng nơ ron nhân tạo. Nếu dữ liệu không chính xác hoặc không đầy đủ, mô hình sẽ không thể đưa ra dự đoán chính xác. Do đó, việc thu thập và xử lý dữ liệu là rất quan trọng.

2.2. Sự phức tạp của mô hình mạng nơ ron

Mô hình mạng nơ ron có thể trở nên phức tạp với nhiều lớp và nút, điều này có thể dẫn đến hiện tượng quá khớp (overfitting). Cần có các phương pháp điều chỉnh và tối ưu hóa để đảm bảo mô hình có thể tổng quát tốt trên dữ liệu chưa thấy.

III. Phương pháp nghiên cứu chính trong dự đoán ứng xử bê tông

Nghiên cứu sử dụng mạng nơ ron nhân tạo để dự đoán cường độ chịu nén của bê tông từ các thành phần cấp phối khác nhau. Phương pháp này bao gồm việc xây dựng mô hình ANN, thu thập dữ liệu và áp dụng các thuật toán tối ưu hóa để cải thiện độ chính xác của mô hình.

3.1. Xây dựng mô hình mạng nơ ron nhân tạo

Mô hình mạng nơ ron nhân tạo được xây dựng dựa trên dữ liệu từ 55 mẫu nén thực nghiệm. Các tham số như số lượng lớp, số lượng nút trong mỗi lớp được điều chỉnh để tối ưu hóa hiệu suất của mô hình.

3.2. Ứng dụng giải thuật tiến hóa di truyền trong tối ưu hóa

Giải thuật tiến hóa di truyền (GA) được áp dụng để tìm kiếm các hệ số tối ưu cho mô hình mạng nơ ron. Phương pháp này giúp cải thiện độ chính xác của hàm mục tiêu và đảm bảo rằng mô hình có thể dự đoán chính xác cường độ chịu nén của bê tông.

IV. Ứng dụng thực tiễn và kết quả nghiên cứu từ mạng nơ ron nhân tạo

Kết quả nghiên cứu cho thấy mô hình mạng nơ ron nhân tạo có khả năng dự đoán cường độ chịu nén của bê tông với độ chính xác cao. Các kết quả dự đoán được so sánh với các mẫu thí nghiệm thực tế và cho thấy sự tương đồng đáng kể.

4.1. So sánh kết quả dự đoán với thí nghiệm thực tế

Kết quả dự đoán từ mô hình mạng nơ ron được so sánh với ba tổ mẫu thí nghiệm. Đường cong ứng xử sau tối ưu bám sát đường ứng xử thử nghiệm với sai số thấp, cho thấy độ tin cậy cao của mô hình.

4.2. Ứng dụng trong thực tiễn xây dựng

Mô hình mạng nơ ron nhân tạo có thể được áp dụng trong thực tiễn xây dựng để dự đoán cường độ chịu nén của bê tông, từ đó giúp các kỹ sư đưa ra quyết định chính xác hơn trong thiết kế và thi công.

V. Kết luận và tương lai của nghiên cứu ứng dụng mạng nơ ron trong bê tông

Nghiên cứu ứng dụng mạng nơ ron nhân tạo trong dự đoán ứng xử bê tông đã mở ra nhiều cơ hội mới cho ngành xây dựng. Tương lai của nghiên cứu này hứa hẹn sẽ mang lại nhiều cải tiến trong quy trình thiết kế và thi công bê tông.

5.1. Tương lai của mạng nơ ron trong ngành xây dựng

Với sự phát triển không ngừng của công nghệ, mạng nơ ron nhân tạo sẽ ngày càng được ứng dụng rộng rãi hơn trong ngành xây dựng, giúp tối ưu hóa quy trình và nâng cao chất lượng công trình.

5.2. Đề xuất hướng nghiên cứu tiếp theo

Cần tiếp tục nghiên cứu và phát triển các mô hình mạng nơ ron mới, cải thiện khả năng dự đoán và mở rộng ứng dụng của chúng trong các lĩnh vực khác nhau của ngành xây dựng.