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.

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.

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...

Mô tả đầy đủ

Đã lưu trong:
Chi tiết về thư mục
Những tác giả chính: Nguyễn, Đức Mạnh, Hồ, Sỹ An, Phạm, Bá Khải, Nguyễn, Đình Trung, Lê, Anh Đức
Định dạng: Bài viết
Ngôn ngữ:Vietnamese
Được phát hành: 2025
Những chủ đề:
Tạp chí Khoa học và Công nghệ Việt Nam - B
Truy cập trực tuyến:https://scholar.dlu.edu.vn/thuvienso/handle/DLU123456789/258326
Các nhãn: Thêm thẻ
Không có thẻ, Là người đầu tiên thẻ bản ghi này!
Thư viện lưu trữ: Thư viện Trường Đại học Đà Lạt
id oai:scholar.dlu.edu.vn:DLU123456789-258326
record_format dspace
spelling oai:scholar.dlu.edu.vn:DLU123456789-2583262025-02-18T06:34:27Z 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. Nguyễn, Đức Mạnh Hồ, Sỹ An Phạm, Bá Khải Nguyễn, Đình Trung Lê, Anh Đức Tạp chí Khoa học và Công nghệ Việt Nam - B 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. 2025-02-18T06:05:22Z 2025-02-18T06:05:22Z 2020 Article https://scholar.dlu.edu.vn/thuvienso/handle/DLU123456789/258326 vi Tạp chí Khoa học và Công nghệ Việt Nam - B - 2020 - Số 11B - tr. 38-38 application/pdf
institution Thư viện Trường Đại học Đà Lạt
collection Thư viện số
language Vietnamese
topic Tạp chí Khoa học và Công nghệ Việt Nam - B
spellingShingle Tạp chí Khoa học và Công nghệ Việt Nam - B
Nguyễn, Đức Mạnh
Hồ, Sỹ An
Phạm, Bá Khải
Nguyễn, Đình Trung
Lê, Anh Đức
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.
description 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.
format Article
author Nguyễn, Đức Mạnh
Hồ, Sỹ An
Phạm, Bá Khải
Nguyễn, Đình Trung
Lê, Anh Đức
author_facet Nguyễn, Đức Mạnh
Hồ, Sỹ An
Phạm, Bá Khải
Nguyễn, Đình Trung
Lê, Anh Đức
author_sort Nguyễn, Đức Mạnh
title 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.
title_short 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.
title_full 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.
title_fullStr 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.
title_full_unstemmed 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.
title_sort 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.
publishDate 2025
url https://scholar.dlu.edu.vn/thuvienso/handle/DLU123456789/258326
_version_ 1824719174564315136

Những quyển sách tương tự