Xây dựng mô hình máy học để dự báo lực bám dính giữa bê tông cốt thép và vật liệu FRP gia cường

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: MINH THANH LÊ, THỊ THÙY LINH LÊ, NGUYỄN THANH TÂM TRẦN, ĐÌNH NHẬT TRƯƠNG

Ngôn ngữ: vie

Ký hiệu phân loại:

Thông tin xuất bản: Tạp chí Xây dựng, 2023

Mô tả vật lý: tr.60

Bộ sưu tập: Metadata

ID: 345412

Thêm vào giỏ Liên kết toàn văn

Fiber-reinforced polymers (FRP) laminate to the external face of reinforced concrete structures is currently one of the most popular and effective methods for strengthening concrete structures. This study aims to compare different machine learning models to predict the adhesion force between reinforced concrete and FRP materials. Single model and ensemble model are used to solve this problem. The analysis results show that the model incorporates packing the regression classification tree - Bagging model (CART) gives the results with the most superior criteria of all the single models and the ensemble models. Keywords: Adhesion between FRP and concrete
FRP materials
machine learning model.Việc sử dụng tấm polyme cốt sợi (FRP) lên mặt ngoài của kết cấu bê tông cốt thép là một trong những phương pháp phổ biến và hiệu quả nhất để gia cường kết cấu bê tông. Bài báo tập trung nghiên cứu vào xây dựng và so sánh các mô hình học máy khác nhau để dự báo lực bám dính giữa vật liệu bê tông cốt thép và vật liệu FRP gia cường. Các mô hình đơn (single model) và mô hình kết hợp (ensemble model) được sử dụng để giải quyết vấn đề này. Kết quả phân tích cho thấy rằng mô hình kết hợp đóng gói cây phân loại hồi quy - mô hình bagging (CART) cho hiệu suất cao nhất trong tất cả các mô hình đơn và mô hình kết hợp được sử dụng trong nghiên cứu này. Từ khóa: Lực bám dính giữa FRP và bê tông cốt thép
vật liệu FRP
mô hình máy học.

1. Đọc trực tuyến

1. Đọc trực tuyến

Tạo bộ sưu tập với mã QR