Nghiên cứu và ứng dụng học máy dự báo hệ số cố kết của đất yếu tại một số khu vực ven biển Bắc Bộ

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Sỹ An Hồ, Anh Đức Lê, Đình Trung Nguyễn, Đức Mạnh Nguyễn, Bá Khải Phạm

Ngôn ngữ: vie

Ký hiệu phân loại: 624.151 Engineering geology

Thông tin xuất bản: Tạp chí Khoa học và Công nghệ Việt Nam, 2020

Mô tả vật lý: 38-44

Bộ sưu tập: Metadata

ID: 425189

Thêm vào giỏ Liên kết toàn văn

Trong nghiên cứu này, hệ số cố kết (Cv) của đất yếu tại một số khu vực ven biển Quảng Ninh, Hải Phòng và Thái Bình được dự báo bằng phương pháp học máy - kỹ thuật trí tuệ nhân tạo thông qua 3 mô hình học máy hỗ trợ hồi quy véc tơ - Support Vector Regression (SVR)
mạng thần kinh nhân tạo đa lớp tri giác - Artificial Neural Network Mutilayer Perceptron (ANN MLP)
hồi quy sườn bên - Ridge Regression (RR). Các mô hình này được xây dựng trên ngôn ngữ lập trình Python và thư viện hỗ trợ Scikit-learn. Số liệu sử dụng gồm 133 mẫu đất yếu thu thập từ các công trình thực tế, được lấy từ những độ sâu khác nhau (m) và được phân tích trong phòng thí nghiệm nhằm xác định các thông số hàm lượng sét (%), hàm lượng bụi (%), giới hạn chảy (%), giới hạn dẻo (%), chỉ số dẻo (%), độ sệt, độ ẩm (%), khối lượng thể tích tự nhiên (g/cm3), khối lượng thể tích khô (g/cm3), khối lượng riêng (g/cm3), độ rỗng (%), độ bão hòa (%), hệ số rỗng. Để dự báo Cv, 15 thông số đầu vào được phân tích tương quan. Sau khi loại bỏ các thông số không có quan hệ chặt với Cv, 6 thông số có quan hệ chặt được xác định gồm giới hạn chảy, độ ẩm, khối lượng thể tích tự nhiên, khối lượng thể tích khô, độ rỗng, hệ số rỗng. Để dự báo và cho máy học, tiến hành xây dựng mô hình chung với 70% dữ liệu học và 30% dữ liệu kiểm tra. Hiệu suất của các mô hình được kiểm tra bằng các hệ số giá trị trung bình của tổng các trị tuyệt đối của sai số - Mean Absolute Error (MAE)
độ lệch tiêu chuẩn các sai số - Root Mean Square Error (RMSE)
hệ số tương quan R - Correlation coefficient (R)
và hệ số xác định - Coefficient of determination (R2). Kết quả các mô hình nghiên cứu thể hiện hiệu suất của các mô hình học máy khác nhau với R2 biến thiên từ 0,7899 đến 0,8737, đảm bảo quan hệ chặt. Nghiên cứu đã chỉ ra hiệu suất của mô hình ANN MLP là tốt nhất với kết quả các hệ số R2=0,8737, MAE=0,2196, RMSE=0,2678 và R=0,9367 tốt nhất trong 3 mô hình sử dụng.

1. Đọc trực tuyến

1. Đọc trực tuyến

Tạo bộ sưu tập với mã QR