Xây dựng mô hình máy học lai nhân trọng số để dự báo lực bám dính giữa BTCT và FRP

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: THÀNH NHÂN CAO, MINH THANH LÊ, THỊ THÙY LINH LÊ, ĐÌNH NHẬT TRƯƠNG

Ngôn ngữ: vie

Ký hiệu phân loại:

Thông tin xuất bản: Tạp chí Xây dựng, 2024

Mô tả vật lý: tr.98

Bộ sưu tập: Metadata

ID: 372099

Thêm vào giỏ Liên kết toàn văn

Bài báo nghiên cứu tập trung vào xây dựng một mô hình học máy có trọng số để dự báo lực bám dính giữa vật liệu bê tông cốt thép và vật liệu FRP gia cường. Mô hình lai JS-WFSS (Jellyfish search optimized - weighted featune stacking system) được xây dựng dựa trên hệ thống xếp chồng có trọng số tối ưu hóa bằng tìm kiếm sứa. Kết quả phân tích cho thấy rằng mô hình lai được tối ưu hóa JS-WFSS có độ chính xác dự đoán tốt hơn so với các nghiên cứu trước đây. Bên cạnh việc xây dựng mô hình, bằng cách so sánh đối trọng của các biến trong mô hình dự báo, nghiên cứu này xác định mức độ quan trọng của các biến đầu vào trong xác định khả năng chịu lực bám dính giữa bê tông cốt thép và vật liệu FRP gia cường. Từ khóa: Lực bám dính giữa FRP và bê tông cốt thép
vật liệu FRP
mô hình máy học
tối ưu hóa
trình tối ưu hóa tìm kiếm sứa.This study is dedicated to developing a learning model for predicting the adhesion force between reinforced concrete and Fiber Reinforced Polymer (FRP) materials. The hybrid model, named Jellyfish Search Optimized Weighted Feature Stacking System (JS-WFSS), is constructed using a weighted stacking system optimized through jellyfish search. The analysis results clearly indicate that the JS-WFSS optimized hybrid model demonstrates a higher level of prediction accuracy compared to previous studies. Beyond model construction, this study assesses the significance of input variables in determining the bearing capacity between concrete materials and reinforced FRP material by scrutinizing the variable counterweights within the predictive model. Keywords: Adhesion between FRP and concrete
FRP materials
machine learning model
optimization
jellyfish search optimizer.

1. Đọc trực tuyến

1. Đọc trực tuyến

Tạo bộ sưu tập với mã QR