Nghiên cứu dự đoán hệ số vượt độ bền uốn dựa trên phương pháp trí tuệ nhân tạo

 0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Hải Băng Lý, Thùy Anh Nguyễn, Trọng Anh Minh Nguyễn

Ngôn ngữ: Vie

Ký hiệu phân loại: 624 Civil engineering

Thông tin xuất bản: Cầu đường Việt Nam 2021

Mô tả vật lý: 57-61

Bộ sưu tập: Metadata

ID: 393617

Ứng xử uốn của dầm thép ảnh hưởng đáng kể đến sự làm việc của kết cấu khung thép. Đặc biệt, hệ số vượt độ bền uốn (cụ thể là tỷ số giữa mômen uốn lớn nhất và mô men dẻo) mà dầm thép có thể đạt được là thông số quan trọng ảnh hưởng đến thiết kế công trình chịu động đất của khung chịu mômen. Mục đích của nghiên cứu này là đề xuất một mô hình mạng nơron nhân tạo (ANN) để dự đoán hệ số vượt độ bền uốn của dầm thép. Cơ sở dữ liệu dùng trong nghiên cứu này gồm 76 kết quả thí nghiệm được thu thập từ các tài liệu đã công bố, trong số đó, 53 dữ liệu được chọn ngẫu nhiên để huấn luyện mô hình ANN và 23 dữ liệu còn lại được sử dụng để kiểm chứng mô hình. Hiệu suất của các mô hình ANN được đánh giá thông qua các tiêu chí thống kê, bao gồm hệ số tương quan R, sai số tuyệt đối trung bình RMSE, sai số toàn phương trung bình gốc RMSE và tỷ lệ sai số tuyệt đối MAPE. Kết quả cho thấy mô hình ANN đề xuất có khả năng dự báo tốt (R = 0.9281) và là một công cụ hữu ích trong bài toán kết cấu nói riêng và các bài toán dự báo nói chung., Tóm tắt tiếng anh, The flexural behaviour of Steel beams significantly affects the structural performance of the steel frame structures. In particular, the flexural overstrength (defined as the ratio between the maximum bending moment and the plastic bending strength) is the key parameter affecting the seismic design of non-dissipative members in moment resisting frames. The purpose of this study is to propose an artificial neural network (ANN) model to predict the flexural overstrength factor of steel beams. The database used in this study includes 76 experimental results, collected from published documents, in which 53 data are randomly selected to train the ANN model and the remaining 23 data are used to verify the model. The performance of the ANN models is assessed through statistical criteria, including the correlation coefficient R, root mean square error RMSE, mean absolute error MAE and mean absolute percentage error MAPE. The results show that the proposed ANN model has good prediction capability (R = 0.9281) and is a useful tool in structural prediction problems.
Tạo bộ sưu tập với mã QR

THƯ VIỆN - TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP.HCM

ĐT: (028) 71010608 | Email: tt.thuvien@hutech.edu.vn

Copyright @2024 THƯ VIỆN HUTECH