Ứng dụng mạng nơ-ron học sâu trong dự báo độ mất mát khối lượng của bê tông chứa cốt liệu cao su dưới ảnh hưởng của nhiệt độ
Abstract
Bài báo này giới thiệu cách tiếp cận mới trong việc sử dụng mô hình mạng nơ ron học sâu (DLNN) để dự đoán độ mất mát khối lượng của bê tông chứa cốt liệu cao su (RC) dưới tác dụng của nhiệt độ. Một mô hình cấu trúc của DLNN với 22 nơron trong 3 lớp ẩn được đề xuất. Bộ dữ liệu với 162 mẫu, bao gồm bốn yếu tố ảnh hưởng: Tỉ lệ nước/ xi măng, thời gian nung, nhiệt độ, tỉ lệ vụn cao su thay thế được sử dụng để huấn luyện và xác nhận mô hình đã được thu thập từ các tài liệu. Đầu ra là tỉ lệ mất mát khối lượng của RC. Mô hình DLNN được so sánh với hai kỹ thuật học máy khác là Random Forest và Multilayer Perceptron. Kết quả cho thấy mô hình DLNN vượt trội hơn so với các mô hình khác và do đó nó có thể được sử dụng như một phương pháp phù hợp để dự đoán độ mất mát khối lượng của RC dưới ảnh hưởng của nhiệt độ.
Moraref