Luận văn thạc sĩ hcmute sử dụng phương pháp không phá hoại mẫu kết hợp mô hình tiên lượng ann để xác định cường độ chịu nén bê tông geopolymer

Luận văn thạc sĩ phân tích hcmute sử dụng phương pháp không phá hoại mẫu kết hợp mô hình tiên lượng ann để xác định cường độ, đánh giá thực trạng, chỉ ra hạn chế, đề xuất giải

• Tác giả: Nguyễn Hồng Đức
• Người hướng dẫn: PGS.TS Phan Đức Hùng
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Xây Dựng Công Trình Dân Dụng Và Công Nghiệp
• Đề tài: Phương Pháp Không Phá Hoại Mẫu Kết Hợp Mô Hình ANN Trong Xác Định Cường Độ Bê Tông Geopolymer
• Loại tài liệu: luận văn
• Năm xuất bản: 2017
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• LÝ LỊCH KHOA HỌC
• CAM ĐOAN
• LỜI CẢM ƠN
• TÓM TẮT
• ABSTRACT
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Sự cần thiết của đề tài nghiên cứu
• 1.2. Tình hình nghiên cứu
• 1.2.1. Khái niệm về Geopolymer
• 1.2.2. Hoạt động của ANN
• 1.2.3. Lịch sử phát triển của ANN
• 1.3. Mục tiêu đề tài
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Nội dung nghiên cứu
• 1.7. Ý nghĩa khoa học và thực tiễn của đề tài
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Bê tông Geopolymer
• 2.1.1. Thành phần chính tạo chất kết dính GPC
• 2.1.2. Dung dịch kiềm Alkaline Silicate
• 2.1.3. Chất kết dính Geopolymer
• 2.1.4. Phương pháp thiết kế cấp phối GPC
• 2.2. Phương pháp xác định cường độ bê tông
• 2.2.1. Phương pháp phá hoại mẫu
• 2.2.2. Phương pháp không phá hoại mẫu
• 2.2.2.1. Sử dụng súng bật nẩy
• 2.2.2.2. Sử dụng súng bật nẩy kết hợp sóng siêu âm
• 2.2.3. Phương pháp xử lý số liệu
• 2.2.3.1. Mô hình hồi quy tuyến tính (LR)
• 2.2.3.2. Mô hình mạng thần kinh nhân tạo (ANN)
• 2.2.3.2.1. Cấu trúc ANN
• 2.2.3.2.2. Thuật toán lan truyền ngược
• 2.2.3.2.3. Xác định số lớp ẩn, số lượng neural trong mỗi lớp và dữ liệu huấn luyện
• 3. CHƯƠNG 3: NGUYÊN VẬT LIỆU VÀ PHƯƠNG PHÁP THÍ NGHIỆM
• 3.1. Nguyên liệu sử dụng
• 3.1.1. Cốt liệu lớn
• 3.1.2. Cốt liệu nhỏ
• 3.2. Cấp phối bê tông
• 3.2.1. Thí nghiệm cấp phối mẫu bê tông
• 3.2.2. Xác định cấp phối
• 3.2.3. Quy trình thí nghiệm mẫu
• 3.2.4. Xây dựng mô hình ANN cho bài toán tiên lượng cường độ GPC
• 4. CHƯƠNG 4: KẾT QUẢ VÀ THẢO LUẬN
• 4.1. Kết quả thí nghiệm
• 4.2. Phân tích đánh giá
• 4.2.1. Ảnh hưởng của nồng độ dung dịch NaOH đến cường độ chịu nén và vận tốc
• 4.2.2. Ảnh hưởng của điều kiện dưỡng hộ đến cường độ chịu nén và vận tốc
• 4.2.3. Xác định cường độ chịu nén GPC bằng phương pháp không phá hoại
• 4.2.4. Đánh giá hiệu quả ước tính cường độ chịu nén GPC bằng mô hình ANN
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI
• 5.1. Hướng phát triển đề tài
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Phương pháp không phá hoại mẫu

Phương pháp không phá hoại mẫu (phương pháp không phá hoại) là một kỹ thuật quan trọng trong việc xác định cường độ bê tông geopolymer. Kỹ thuật này cho phép đánh giá chất lượng bê tông mà không cần phải phá hủy mẫu thử. Việc sử dụng các thiết bị như búa bật nảy và máy siêu âm giúp đo lường các chỉ số như vận tốc truyền sóng và độ cứng của bê tông. Kết quả từ các thí nghiệm cho thấy rằng cường độ bê tông geopolymer có thể được xác định một cách chính xác thông qua các phương pháp này. Theo nghiên cứu, khi bê tông geopolymer được dưỡng hộ trong môi trường nhiệt độ cao, vận tốc truyền sóng tăng lên, cho thấy cường độ bê tông cũng tăng theo. Điều này chứng tỏ rằng phương pháp không phá hoại mẫu không chỉ tiết kiệm chi phí mà còn bảo vệ môi trường bằng cách giảm thiểu lượng phế phẩm bê tông.

1.1. Lợi ích của phương pháp không phá hoại

Việc áp dụng phương pháp không phá hoại mẫu mang lại nhiều lợi ích cho ngành xây dựng. Đầu tiên, nó giúp giảm thiểu lượng bê tông phế thải, từ đó giảm chi phí xử lý. Thứ hai, phương pháp này cho phép kiểm tra cường độ của các cấu kiện lớn mà không cần phải lấy mẫu, điều này rất quan trọng trong các công trình xây dựng hiện đại. Hơn nữa, với sự phát triển của công nghệ, độ chính xác của các thiết bị đo lường ngày càng cao, giúp cho việc xác định cường độ bê tông trở nên dễ dàng và nhanh chóng hơn. Như vậy, phương pháp không phá hoại mẫu không chỉ đáp ứng nhu cầu kiểm tra chất lượng mà còn góp phần bảo vệ môi trường.

II. Mô hình ANN trong xác định cường độ bê tông geopolymer

Mô hình mạng thần kinh nhân tạo (mô hình ANN) đã được áp dụng thành công trong việc dự đoán cường độ bê tông geopolymer. ANN có khả năng xử lý và phân tích dữ liệu phức tạp, giúp xác định mối quan hệ giữa các yếu tố như nồng độ dung dịch NaOH, điều kiện dưỡng hộ và cường độ chịu nén. Kết quả nghiên cứu cho thấy mô hình ANN có khả năng dự đoán cường độ bê tông tốt hơn so với các phương pháp hồi quy tuyến tính truyền thống. Đặc biệt, ANN cho phép xác định mức độ ảnh hưởng của từng yếu tố đến cường độ bê tông, trong đó nhiệt độ là yếu tố quan trọng nhất, chiếm hơn 50% ảnh hưởng đến cường độ. Điều này cho thấy giá trị thực tiễn của mô hình ANN trong việc tối ưu hóa quy trình sản xuất bê tông geopolymer.

2.1. Ứng dụng của ANN trong xây dựng

Mô hình ANN không chỉ được sử dụng trong việc dự đoán cường độ bê tông mà còn có thể áp dụng trong nhiều lĩnh vực khác nhau như tài chính, y tế và địa chất. Sự linh hoạt của ANN cho phép nó xử lý các bài toán phức tạp với nhiều biến số, từ đó đưa ra các dự đoán chính xác. Việc ứng dụng ANN trong ngành xây dựng giúp cải thiện quy trình thiết kế và thi công, đồng thời nâng cao chất lượng công trình. Nhờ vào khả năng học hỏi từ dữ liệu quá khứ, ANN có thể tự động điều chỉnh và tối ưu hóa các thông số kỹ thuật, từ đó giảm thiểu rủi ro và tăng hiệu quả kinh tế cho các dự án xây dựng.

III. Kết quả và thảo luận

Kết quả thí nghiệm cho thấy rằng cường độ bê tông geopolymer có sự phụ thuộc mạnh mẽ vào các yếu tố như nồng độ dung dịch NaOH và điều kiện dưỡng hộ. Các phân tích cho thấy rằng khi nồng độ NaOH tăng từ 10-16M, cường độ chịu nén của bê tông cũng tăng lên đáng kể. Hơn nữa, việc dưỡng hộ trong môi trường nhiệt độ cao không chỉ làm tăng cường độ mà còn cải thiện các chỉ số khác như vận tốc truyền sóng. Những phát hiện này không chỉ khẳng định tính hiệu quả của phương pháp không phá hoại mẫu mà còn chứng minh giá trị của mô hình ANN trong việc dự đoán cường độ bê tông geopolymer. Điều này mở ra hướng đi mới cho việc nghiên cứu và phát triển các loại vật liệu xây dựng thân thiện với môi trường.

3.1. Đánh giá hiệu quả của mô hình

Mô hình ANN đã cho thấy hiệu quả vượt trội trong việc dự đoán cường độ bê tông geopolymer so với các phương pháp truyền thống. Kết quả so sánh giữa mô hình ANN và hồi quy tuyến tính cho thấy mô hình ANN có độ chính xác cao hơn, với trị số R2 và SSE tốt hơn. Điều này chứng tỏ rằng ANN không chỉ là một công cụ mạnh mẽ trong việc phân tích dữ liệu mà còn có thể ứng dụng rộng rãi trong ngành xây dựng. Việc sử dụng ANN giúp tiết kiệm thời gian và chi phí, đồng thời nâng cao chất lượng sản phẩm, từ đó đáp ứng tốt hơn nhu cầu của thị trường.

Nội dung chính

Tổng quan nghiên cứu

Ngành công nghiệp xi măng toàn cầu hiện chiếm khoảng 7% tổng lượng khí thải CO2, tương đương 1,35 tỷ tấn mỗi năm, góp phần đáng kể vào hiệu ứng nhà kính và biến đổi khí hậu. Ở Việt Nam, tổng công suất các nhà máy xi măng đạt khoảng 81,5 triệu tấn, với mức tiêu thụ dự kiến tăng 5-7% mỗi năm, kéo theo sự gia tăng lượng khí thải và áp lực lên môi trường. Trong bối cảnh đó, bê tông geopolymer (GPC) được xem là giải pháp vật liệu xanh, thân thiện môi trường, giúp giảm phát thải CO2 từ 26-45% so với bê tông xi măng truyền thống, đồng thời tận dụng hiệu quả nguồn phế phẩm công nghiệp như tro bay, với sản lượng khoảng 4,8 triệu tấn mỗi năm tại Việt Nam.

Luận văn tập trung nghiên cứu sử dụng phương pháp không phá hoại mẫu (NDT) kết hợp kỹ thuật siêu âm và súng bật nẩy để xác định cường độ chịu nén của bê tông geopolymer. Mục tiêu chính là xây dựng mô hình tiên lượng cường độ chịu nén dựa trên Artificial Neural Network (ANN) và hồi quy tuyến tính (LR), từ đó đánh giá hiệu quả và độ chính xác của các mô hình trong dự báo cường độ bê tông. Phạm vi nghiên cứu giới hạn trong cường độ chịu nén từ 10 đến 35 MPa, với các điều kiện dưỡng hộ và nồng độ dung dịch NaOH khác nhau, thực hiện tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh trong giai đoạn 2015-2017.

Nghiên cứu có ý nghĩa khoa học và thực tiễn quan trọng, góp phần phát triển vật liệu xây dựng xanh, giảm thiểu tác động môi trường, đồng thời cung cấp công cụ tiên lượng cường độ bê tông chính xác, nhanh chóng, hỗ trợ công tác kiểm định chất lượng công trình và thiết kế cấp phối bê tông geopolymer.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Bê tông geopolymer được tạo thành từ quá trình polymer hóa các nguyên liệu giàu aluminosilicate (chủ yếu là SiO2 và Al2O3) trong môi trường kiềm, sử dụng tro bay làm nguồn nguyên liệu chính. Tro bay loại F và loại C có thành phần hóa học và tính chất khác nhau, ảnh hưởng đến quá trình geopolymer hóa và đặc tính cuối cùng của bê tông. Dung dịch kiềm alkaline gồm sodium hydroxide (NaOH) và sodium silicate (thủy tinh lỏng) kích hoạt phản ứng polymer hóa, tạo thành chất kết dính geopolymer có cấu trúc vi mô đặc chắc, chịu nhiệt và chống ăn mòn tốt.

Phương pháp xác định cường độ bê tông gồm hai loại chính: phương pháp phá hoại mẫu truyền thống và phương pháp không phá hoại mẫu (NDT). NDT sử dụng súng bật nẩy đo độ cứng bề mặt và máy đo vận tốc truyền sóng siêu âm để đánh giá cường độ bê tông mà không làm hỏng mẫu thử, phù hợp với các cấu kiện lớn và công trình hiện hữu.

Mô hình hồi quy tuyến tính (LR) và mạng thần kinh nhân tạo (ANN) được áp dụng để phân tích và dự đoán cường độ chịu nén dựa trên các biến đầu vào như điều kiện dưỡng hộ, nồng độ dung dịch NaOH, vận tốc siêu âm và trị số bật nẩy. ANN với cấu trúc đa lớp và thuật toán lan truyền ngược có khả năng xử lý các mối quan hệ phi tuyến phức tạp, trong khi LR đơn giản, nhanh chóng và dễ áp dụng.

Phương pháp nghiên cứu

Nguồn dữ liệu thu thập từ các mẫu bê tông geopolymer được chế tạo với cùng hàm lượng tro bay, tỷ lệ dung dịch hoạt hóa khác nhau, và điều kiện dưỡng hộ nhiệt đa dạng. Cỡ mẫu chuẩn là viên lập phương kích thước 150 x 150 x 150 mm, được dưỡng hộ ở nhiệt độ cao trong các khoảng thời gian khác nhau. Cường độ chịu nén được xác định bằng phương pháp phá hoại mẫu để đối chứng, đồng thời đo vận tốc truyền sóng siêu âm và trị số bật nẩy theo tiêu chuẩn TCVN 9334:2012 và TCVN 9335:2012.

Phân tích số liệu sử dụng mô hình hồi quy tuyến tính đa biến và mạng ANN với cấu trúc 12-4-3-1, huấn luyện bằng thuật toán lan truyền ngược (Backpropagation). Cỡ mẫu nghiên cứu khoảng 60-80 mẫu, chọn mẫu ngẫu nhiên từ các mẻ trộn khác nhau để đảm bảo tính đại diện. Tiêu chí đánh giá mô hình dựa trên hệ số xác định R² và tổng bình phương sai số SSE. Thời gian nghiên cứu kéo dài từ 2015 đến 2017, bao gồm giai đoạn thu thập dữ liệu, xây dựng mô hình và kiểm định kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Ảnh hưởng của nồng độ dung dịch NaOH: Khi tăng nồng độ NaOH từ 10M đến 16M, vận tốc truyền sóng siêu âm tăng khoảng 15% trong cùng điều kiện dưỡng hộ, đồng thời cường độ chịu nén cũng tăng tương ứng. Ví dụ, mẫu dưỡng hộ ở 100°C với NaOH 14M đạt cường độ trung bình khoảng 30 MPa, cao hơn 20% so với mẫu 10M.

2. Ảnh hưởng của điều kiện dưỡng hộ: Thời gian và nhiệt độ dưỡng hộ có tác động rõ rệt đến sự phát triển cường độ. Mẫu dưỡng hộ ở nhiệt độ cao (trên 80°C) trong thời gian dài (trên 24 giờ) có vận tốc siêu âm và cường độ chịu nén tăng đáng kể, với vận tốc siêu âm tăng trung bình 10-12% so với mẫu dưỡng hộ ở nhiệt độ phòng.

3. Hiệu quả mô hình tiên lượng: Mô hình ANN cho kết quả dự đoán cường độ chịu nén chính xác hơn mô hình hồi quy tuyến tính, với hệ số R² đạt 0,92 so với 0,85 của LR, và SSE thấp hơn khoảng 18%. Tuy nhiên, mô hình LR vẫn được đánh giá cao về tính đơn giản và tốc độ dự đoán nhanh, phù hợp cho ứng dụng thực tế.

4. Mức độ ảnh hưởng các yếu tố: Phân tích mô hình ANN cho thấy nhiệt độ dưỡng hộ chiếm hơn 50% ảnh hưởng đến cường độ chịu nén, tiếp theo là nồng độ dung dịch NaOH và thời gian dưỡng hộ. Điều này nhấn mạnh vai trò quan trọng của điều kiện nhiệt trong quá trình geopolymer hóa.

Thảo luận kết quả

Kết quả nghiên cứu phù hợp với các báo cáo quốc tế về ảnh hưởng của nồng độ kiềm và điều kiện dưỡng hộ đến đặc tính bê tông geopolymer. Việc tăng nồng độ NaOH làm tăng tốc độ phản ứng polymer hóa, tạo cấu trúc gel geopolymer đặc chắc hơn, dẫn đến tăng cường độ và vận tốc truyền sóng. Điều kiện dưỡng hộ nhiệt cao thúc đẩy quá trình phản ứng, làm giảm lỗ rỗng và tăng mật độ vật liệu.

Mô hình ANN thể hiện ưu thế trong việc xử lý các mối quan hệ phi tuyến phức tạp giữa các biến đầu vào và đầu ra, giúp dự báo chính xác hơn so với mô hình hồi quy tuyến tính truyền thống. Tuy nhiên, mô hình LR vẫn có giá trị thực tiễn cao nhờ tính đơn giản và khả năng dự đoán nhanh chóng, thuận tiện cho các kỹ sư và nhà quản lý trong công tác kiểm định.

Dữ liệu có thể được trình bày qua biểu đồ tương quan giữa vận tốc siêu âm và cường độ chịu nén, bảng so sánh kết quả dự đoán của hai mô hình, cũng như biểu đồ phân tích mức độ ảnh hưởng các yếu tố trong mô hình ANN, giúp minh họa rõ ràng các phát hiện chính.

Đề xuất và khuyến nghị

1. Áp dụng phương pháp NDT kết hợp mô hình ANN trong kiểm định chất lượng bê tông geopolymer: Khuyến khích các đơn vị xây dựng và quản lý công trình sử dụng kỹ thuật siêu âm và súng bật nẩy kết hợp mô hình ANN để đánh giá nhanh, chính xác cường độ bê tông tại hiện trường, giảm chi phí và thời gian kiểm tra.

2. Tối ưu điều kiện dưỡng hộ nhiệt: Đề xuất duy trì nhiệt độ dưỡng hộ trên 80°C trong thời gian ít nhất 24 giờ để đảm bảo phát triển cường độ tối ưu, đồng thời kiểm soát nồng độ dung dịch NaOH trong khoảng 14-16M để đạt hiệu quả cao nhất.

3. Phát triển bảng tra và phần mềm dự báo dựa trên mô hình LR: Xây dựng công cụ hỗ trợ kỹ thuật đơn giản, dễ sử dụng cho các kỹ sư công trình nhằm dự đoán nhanh cường độ bê tông geopolymer dựa trên các thông số đo được từ NDT.

4. Mở rộng nghiên cứu với các loại tro bay và điều kiện môi trường khác nhau: Khuyến nghị tiếp tục nghiên cứu để đánh giá ảnh hưởng của các loại tro bay khác nhau, tỷ lệ pha trộn và điều kiện môi trường thực tế nhằm hoàn thiện mô hình dự báo và nâng cao tính ứng dụng.

Đối tượng nên tham khảo luận văn

1. Kỹ sư xây dựng và quản lý công trình: Sử dụng kết quả nghiên cứu để áp dụng phương pháp NDT và mô hình tiên lượng trong kiểm định chất lượng bê tông geopolymer, giúp nâng cao hiệu quả và độ chính xác trong công tác nghiệm thu.

2. Nhà nghiên cứu và giảng viên đại học: Tham khảo cơ sở lý thuyết, phương pháp nghiên cứu và kết quả mô hình ANN để phát triển các đề tài nghiên cứu tiếp theo hoặc giảng dạy chuyên sâu về vật liệu xây dựng xanh và kỹ thuật tiên lượng.

3. Các doanh nghiệp sản xuất vật liệu xây dựng: Áp dụng kết quả nghiên cứu để tối ưu quy trình sản xuất bê tông geopolymer, kiểm soát chất lượng sản phẩm và phát triển các sản phẩm thân thiện môi trường.

4. Cơ quan quản lý và ban ngành xây dựng: Sử dụng luận văn làm tài liệu tham khảo trong việc xây dựng tiêu chuẩn, quy chuẩn kỹ thuật liên quan đến vật liệu geopolymer và phương pháp kiểm định không phá hoại.

Câu hỏi thường gặp

1. Phương pháp không phá hoại mẫu (NDT) có ưu điểm gì so với phương pháp phá hoại?
   NDT giúp xác định cường độ bê tông mà không làm hỏng mẫu thử, giảm chi phí sản xuất và xử lý phế phẩm, đồng thời phù hợp với kiểm định các cấu kiện lớn và công trình hiện hữu, đảm bảo an toàn và tiết kiệm thời gian.

2. Mô hình ANN có ưu thế gì trong dự báo cường độ bê tông geopolymer?
   ANN xử lý tốt các mối quan hệ phi tuyến phức tạp giữa các yếu tố ảnh hưởng, cho kết quả dự báo chính xác với hệ số R² cao hơn so với mô hình hồi quy tuyến tính, giúp nâng cao độ tin cậy trong kiểm định chất lượng.

3. Nồng độ dung dịch NaOH ảnh hưởng như thế nào đến cường độ bê tông geopolymer?
   Tăng nồng độ NaOH từ 10M đến 16M làm tăng vận tốc truyền sóng siêu âm khoảng 15% và cường độ chịu nén tương ứng, do phản ứng polymer hóa diễn ra mạnh mẽ hơn, tạo cấu trúc gel đặc chắc hơn.

4. Điều kiện dưỡng hộ nhiệt có vai trò gì trong quá trình geopolymer hóa?
   Nhiệt độ và thời gian dưỡng hộ ảnh hưởng trực tiếp đến sự phát triển cường độ bê tông, với nhiệt độ cao (trên 80°C) và thời gian dài (trên 24 giờ) giúp tăng mật độ vật liệu, giảm lỗ rỗng và nâng cao cường độ chịu nén.

5. Mô hình hồi quy tuyến tính có thể thay thế hoàn toàn mô hình ANN không?
   Mô hình LR đơn giản, nhanh chóng và dễ áp dụng nhưng kém chính xác hơn ANN trong xử lý các mối quan hệ phi tuyến. Do đó, LR phù hợp cho ứng dụng thực tế cần dự đoán nhanh, còn ANN thích hợp cho nghiên cứu và phân tích sâu hơn.

Kết luận

• Nghiên cứu đã chứng minh hiệu quả của phương pháp không phá hoại mẫu kết hợp kỹ thuật siêu âm và súng bật nẩy trong xác định cường độ chịu nén bê tông geopolymer.
• Mô hình ANN cho kết quả dự báo cường độ chính xác hơn mô hình hồi quy tuyến tính, với hệ số R² đạt 0,92 và SSE thấp hơn.
• Nhiệt độ dưỡng hộ là yếu tố quan trọng nhất, chiếm hơn 50% ảnh hưởng đến cường độ bê tông geopolymer.
• Kết quả nghiên cứu góp phần phát triển vật liệu xây dựng xanh, giảm phát thải CO2 và tận dụng phế phẩm công nghiệp hiệu quả.
• Đề xuất áp dụng mô hình ANN và LR trong kiểm định chất lượng bê tông geopolymer, đồng thời mở rộng nghiên cứu với các điều kiện và nguyên liệu đa dạng hơn trong tương lai.

Các đơn vị xây dựng và nghiên cứu nên triển khai áp dụng phương pháp NDT kết hợp mô hình ANN để nâng cao hiệu quả kiểm định và phát triển vật liệu xanh, đồng thời tiếp tục nghiên cứu mở rộng nhằm hoàn thiện mô hình dự báo.

Trích đoạn nội dung tài liệu

Chương 1 TỔNG QUAN 1.1 Sự cần thiết của đề tài nghiên cứu Sự nóng lên toàn cầu do hiệu ứng nhà kính, mà phần lớn khoảng 65% do hoạt động của con người thải vào bầu khí quyển lượng carbon dioxit CO2 Theo (SalawuOS, 1997). Trong đó các ngành công nghiệp xi măng toàn cầu chiếm 7% - 1,35 tỷ tấn khí thải mỗi năm (SalawuOS, 1997) vì sản xuất một tấn OPC thì thải ra môi trường khoảng một tấn CO2.Krishnan (2014) đã khẳng định có thể lượng khí thải sẽ tăng hơn 50% lượng khí thải cho phép hiện tại. Theo thống kê của Bộ Xây dựng, tổng công suất các nhà máy xi-măng của nước ta đạt khoảng 81,5 triệu tấn, trong khi năm 2016 dự kiến tiêu thụ tăng 5 - 7% so với năm 2015 đạt khoảng 75 - 76 triệu tấn. Như vậy lượng xi măng sử dụng ngày một tăng, đồng nghĩa với việc lượng khí thải cũng tăng theo mức tiêu thụ.

Điều này đặc ra một thách thức cho ngành công nghiệp xi măng để sản xuất ra đủ lượng xi măng cần thiết, đáp ứng nhu cầu xây dựng, nguồn nguyên liệu chính tạo nên bê tông. Để giải quyết vấn đề này, bê tông sử dụng công nghệ geopolymer là một bước tiến đột phá, không những đáp ứng được nhu cầu vật liệu mà còn giải quyết được vấn đề môi trường sống con người đang bị ô nhiễm bởi khí thải và các phế phấm chưa xử lý triệt để. Bên cạnh đó, lượng phế phẩm công nghiệp chưa qua xử lý hay còn tồn động còn rất lớn. Theo khảo sát, lượng tro bay phế phẩm trên thế giới là khoảng 780 triệu tấn mỗi năm nhưng sử dụng chỉ khoảng 17-20% (J.

Riêng ở Việt Nam, theo thống kê cho thấy, tổng công suất các nhà máy nhiệt điện đốt than trong nước hiện nay khoảng 4800MW, sản lượng tro xỉ thải là 4,8 triệu tấn/năm. Lượng tro bay này khi thảy vào môi trường nó ảnh hưởng trực tiếp đến sức khỏe và môi trường sống của con người. Thông qua việc sử dụng tro bay để chế tạo bê tông geopolymer (GPC) góp phần làm giảm chi phí xử lý. 1 Luan van Sử dụng vật liệu mới với chi phí thấp, thân thiện môi trường, giảm khả năng gây hiệu ứng nhà kính từ 26-45% so với bê tông xi măng thông thường, mà vẫn có được những ưu điểm của xi măng truyền thống, thậm chì còn tối ưu hơn như: dễ đạt cường độ trong thời gian ngắn, tính thấm của bê tông sử dụng geopolymer cũng thấp, tính chịu nhiệt cao rất phù hợp nhu cầu chống cháy của công trình và hơn hết là khả năng chống lại khả năng ăn mòn bởi axit (Tống Tôn Kiên, 2009).1 Đặc tính ít tỏa nhiệt GPC (J.

Davidovits, 2002) Mặt khác, việc sử dụng chất kết dính geopolymer thay thế xi măng truyền thống nhằm hạn chế việc khai thác tài nguyên thiên nhiên điều này rất phù hợp với xu hướng vật liệu xanh của thế giới.2 Chi phí cho việc xử lý khí thải của các ngành công nghiệp xây dựng (J. Davidovits, 1994) 2 Luan van Hình 1.3 Lượng khí thải khi sử dụng GPC và OPC (Louise K. Turner, 2013) Khi sử dụng phương pháp phá hoại mẫu, gây ô nhiễm do thải ra môi trường số lượng lớn mẫu thử đó là các phế phẩm, tốn kém chi phí xử lý mà còn không kinh tế trong việc sử dụng và bảo trì thiết bị do làm việc trong môi trường chịu ứng suất lớn từ việc nén mẫu, trong suốt thời gian tồn tại.4 Phế phẩm mẫu nén (Đại học sư phạm kỹ thuật TP.HCM) Việc sử dụng phương pháp không phá hoại mẫu (Non-destructive test, NDT) giảm được chi phí sản xuất mẫu và hạn chế được lượng bê tông phế phấm do nén phá hoại mẫu, mà còn phù hợp với nhu cầu xác định cường độ với cấu kiện lớn 3 Luan van được đúc tại chỗ với khối lượng kiểm tra và số lượng khoang lấy mẫu nhiều. Bên cạnh đó phạm vi ứng dụng nó còn được mở rộng trong việc kiểm định các công trình hiện hữu, cần đánh giá chất lượng hay các công trình đòi hỏi mức độ an toàn cao nhất như nhà máy điện hạt nhân hay trong lĩnh vực hàng không, xưởng hóa chất nguy hiểm.

Với nhiều bước tiến vượt bật trong công nghệ và được sự hỗ trợ của các thiết bị hiện đại, việc kiểm tra cường độ với mức độ chính xác ngày càng cao, nên việc ứng dụng phương pháp không phá hoại mẫu như điều tất yếu trong việc nghiệm thu và đánh giá mức độ hoàn thiện sản phẩm.5 Công trình đặt biệt và công trình hiện hữu (Đập thủy điện Yaly) Cùng với sự phát triển của phương pháp NDT, kết hợp với các mô phỏng hiện đại, giúp việc xác định cường độ bê tông trở nên chính xác, giảm thời gian và nhân lực thực hiện mà còn loại bỏ được những sai sót trong công tác thi công. Trong đó mô hình Artificial Neural Networks (ANN) là một công cụ mạnh trong lớp bài toán tiên lượng. ANN trong thời gian gần đây đã được nhiều người quan tâm và áp dụng thành công trong nhiều lĩnh vực khác nhau, như tài chính, y tế, địa chất và vật lý. Bất cứ ở đâu có vấn đề về dự báo, phân loại và điều khiển, ANN đều có thể ứng dụng được.

Sự thành công nhanh của ANN là do một số nhân tố chính sau:  Tính ưu việc so với thống kê truyền thống: mô hình ANN sử dụng các thuật toán mô phỏng tinh vi, có khả năng thiết lập các hàm phức tạp. Đặc biệt, ANN giải quyết được các mối quan hệ phi tuyến, với lớp bài toán số biến gấp nhiều lần số đối tượng quan sát, thí nghiệm. Trong khi đó, hầu hết các phân tích thống kê truyền thống chỉ được thiết kế để giải quyết được các trường hợp số biến ít hơn số đối tượng quan sát. 4 Luan van  Thân thiện với người sử dụng: ANN có khả năng thu thập các thông tin từ dứ liệu quá khứ, sau đó gọi các thuật toán huấn luyện (Training) để có thể tự phân loại, xác định cấu trúc của dữ liệu.

Từ đó đưa ra mô hình phù hợp để tiên lượng các giá trị mong muốn.2 Tình hình nghiên cứu 1.1 Khái niệm về Geopolymer Vật liệu geopolymer được chế tạo nhờ vào quá trình polymer hóa nguyên liệu alumino – silicat trong môi trường kiềm do giáo thư Joseph Davidovits đưa ra năm 1979. Theo Joseph Davidovits "Bất kỳ một nguyên vật liệu nào có chứa oxide silic và oxide nhôm đều có thể sử dụng để tạo ra vật liệu geopolymer". Sự tạo thành cấu trúc cường độ sau quá trình gia nhiệt thích hợp sẽ giúp cho vật liệu có tính chất cơ học như bê tông xi măng. Khi vật liệu geopolymer chịu tác dụng của nhiệt độ, bên trong vật liệu diễn ra sự thay đổi pha bao gồm sự phát triển tinh thể, sự khử nước và phân hủy vữa geopolymer.

Quá trình thay đổi có ảnh hưởng đến tính chất cường độ của vật liệu geopolymer.2 Hoạt động của ANN Mô hình ANN mô phỏng cách các khớp thần kinh làm việc trong não người. Chức năng cảm ứng của neural sinh học, nhận xung thần kinh dưới dạng các tín hiệu hóa học, sau đó sử dụng một loạt xác nhận logic để thực hiện một nhiệm vụ. Mạng neural (Neural networks, NN) lại sử dụng một mạng lưới các nút (hoạt động như tế bào thần kinh) và các cạnh (hoạt động như các khớp thần kinh) để xử lý dữ liệu. Dữ liệu đầu vào sẽ chạy qua toàn bộ hệ thống và một loạt kết quả dự báo được tạo ra.3 Lịch sử phát triển của ANN Cuối thế kỷ 19, đầu thế kỷ 20, một số nghiên cứu về vật lý, tâm lý và hệ thần kinh của các nhà khoa học Herman, Ernst Mach và Ivan Ivalov đã đưa ra các lý thuyết về quá trình học, sự tưởng tượng, sự quyết định.

của hệ thần kinh nhưng chưa có sự mô tả toán học cho hoạt động của NN 5 Luan van Năm 1943, mô hình đơn giản NN bằng mạch điện tử lần đầu tiên được đưa ra bởi Warren McCulloch và Walter Pits cùng với sự khẳng định NN nhân tạo về nguyên lý có thể thực hiện được trong phạm vi tính toán các hàm số học và logic. Đây là điểm khởi đầu của lĩnh vực NN. Sau đó Donal Hebb đưa ra một cơ chế giải thích cho quá trình học (Learning) diễn ra trong các neural sinh học (trong cuốn Organnization of Behaviaor, 1949). Cuối thập niên 50, ứng dụng thực tế đầu tiên của ANN do Frank Rosenblatt đưa ra.

Mạng của ông đưa ra là mạng Perceptron có kết hợp luật học (Learning rule) dùng để nhận dạng mẫu (Pattern recognition). Cùng thời gian đó, Bernard Widrow và Ted Hoff giới thiệu một thuật toán học (Learning algorithm) và sử dụng nó để huấn luyện (training) các NN tiếp hợp tuyến tính (tương tự mạng của Rosenblatt). Năm 1969, Minskey và Papert là hai nhà toán học nổi tiếng thời đó đã chỉ ra những hạn chế của mạng Perceptron của Rosenblatt và mạng Widrow- Hoff làm nhiều người nghĩ rằng nghiên cứu về NN sẽ vào ngõ cụt. Hơn nữa vào thời gian này chưa có những máy tính số mạnh để thực nghiệm NN nên các nghiên cứu về mạng nơ-ron bị trì hoãn gần một thập kỷ.

Năm 1972, Teuvo Kohonen và James Anderson độc lập phát triển các NN mới với năng lực nhớ (Memory) và khả năng tự tổ chức (Self- organizing). Cũng trong giai đoạn này,Stephen Grossberg cũng nghiên cứu tích cực về các mạng tự tổ chức. Sang thập kỷ 80, khi ngành công nghiệp máy tính phát triển mạnh mẽ thì những nghiên cứu về NN tăng lên một cách đột ngột. Có hai phát kiến quan trọng nhất là:  Sử dụng cơ học thống kê để giải thích hoạt động của mạng hồi qui một lớp (Recurrent network), loại mạng được sử dụng như một bộ nhớ kết hợp, được nhà vật lý John Hopfield mô tả.

 Sử dụng thuật toán lan truyền ngược (Backpropagation Algorithm) để huấn luyện mạng với cấu trúc nhận thức đa lớp (Multilayer perceptron). David 6 Luan van Rumelhalt và James McClrlland là những người trình bày thuật toán lan truyền ngược có ảnh hưởng nhất (1968).2 Tình hình nghiên cứu ngoài nước Ngành Công nghệ vật liệu Geopolymer ra đời từ những năm 1960, nhưng được quan tâm và nghiên cứu nhiều hơn từ những năm 1972 đến nay. Hiện tại, đã có rất nhiều bằng sáng chế, nghiên cứu và ứng dụng Geopolymer vào các ngành công nghệ vật liệu hiện đại (vật liệu cách nhiệt, vật liệu chống cháy, chất kết dính vô cơ, công nghệ xử lý chất thải…) được giới thiệu và ứng dụng trên toàn thế giới. Trước đó, vào năm 1940 tác giả Purdon đã nghiên cứu bằng cách sử dụng xỉ lò cao được kích hoạt dung dịch hyroxit natri.