Nghiên cứu ứng dụng mô hình rừng ngẫu nhiên trong dự báo sức chịu tải cọc dựa vào kết quả xuyên CPT

Từ khóa:

sức chịu tải cọc
chỉ số CPT
trí tuệ nhân tạo
rừng ngẫu nhiên
TCVN10304-2014.

Tóm tắt:

Bài báo trình bày kết quả ứng dụng phương pháp trí tuệ nhân tạo trong việc xác định sức chịu tải cọc. Trong nghiên cứu này, một mô hình trí tuệ nhân tạo tên là rừng ngẫu nhiên đã được phát triển và ứng dụng trong việc dự báo sức chịu tải cọc. Kiến trúc mô hình rừng ngẫu nhiên được tối ưu hóa bằng cách khảo sát lần lượt từng tham số để tìm ra mô hình tốt nhất. Một cơ sở dữ liệu gồm 108 kết quả nén tĩnh cọc đã được thu thập để đào tạo và kiểm nghiệm mô hình, trong đó số liệu địa chất được đại diện bằng kết quả xuyên CPT. Kết quả của nghiên cứu được so sánh với mô hình hồi quy đa biến và công thức theo TCVN 10304:2014, cho thấy mô hình rừng ngẫu nghiên mang lại độ chính xác vượt trội trong việc xác định sức chịu tải cọc so với hai phương pháp còn lại. Kết quả của nghiên cứu cho thấy mô hình rừng ngẫu nhiên được tối ưu tốt có khả năng dự báo rất tốt sức chịu tải cọc, đồng thời có tiềm năng lớn trong việc giải quyết các bài toán khác trong lĩnh vực xây dựng.

Nội dung:

Tài liệu tham khảo:

1.    A. Altaee, B. H. Fellenius and E. Evgin (1992), “Axial load transfer for piles in sand. I. Tests on an instrumented precast pile”, Can. Geotech. J., vol. 29, no. 1, pp. 11–20, Feb. doi: 10.1139/t92-002. https://doi.org/10.1139/t92-002.

2.    H. Seo, R. B. Moghaddam and W. D. Lawson (2016), “Assessment of methods for construction of an equivalent top loading curve from O-cell test data”, Soils and Foundations, vol. 56, no. 5, pp. 889–903, Oct. 2016, doi: 10.1016/j.sandf.2016.08.013.

3.    G. G. Meyerhof (1976), “Bearing Capacity and Settlement of Pile Foundations”, Journal of the Geotechnical Engineering Division, vol. 102, no. 3, pp. 197–228, https://doi.org/10.1061/AJGEB6.0000243.

4.    J. H. Schmertmann (1978), “GUIDELINES FOR CONE PENETRATION TEST. (PERFORMANCE AND DESIGN)”, Jul. https://rosap.ntl.bts.gov/view/dot/958.

5.    A. R. Bazaraa and M. M. Kurkur (2020), “N-Values Used to Predict Settlements of Piles in Egypt”, 1986, pp. 462–474. Accessed: Mar. 08, https://cedb.asce.org/CEDBsearch/record.jsp?dockey=0048882.

6.    I. Shooshpasha, A. Hasanzadeh and A. Taghavi (2013), “Prediction of the axial bearing capacity of piles by SPT-based and numerical design methods”, International Journal of GEOMATE, vol. 4, no. 2, pp. 560–564, http://dx.doi.org/10.21660/2013.8.2118.

7.    I. Shooshpasha (2013), “Prediction of the Axial Bearing Capacity of Piles by SPT-based and Numerical Design Methods”, geomate, doi: 10.21660/2013.8.2118.

8.    T. A. Pham, H.-B. Ly, V. Q. Tran, L. V. Giap, H.-L. T. Vu and H.-A. T. Duong (2020), “Prediction of Pile Axial Bearing Capacity Using Artificial Neural Network and Random Forest”, Applied Sciences, vol. 10, no. 5, p. 1871, Mar. , doi: 10.3390/app10051871.

9.    E. Momeni, M. B. Dowlatshahi, F. Omidinasab, H. Maizir and D. J. Armaghani (2020), “Gaussian Process Regression Technique to Estimate the Pile Bearing Capacity”, Arab J Sci Eng, vol. 45, no. 10, pp. 8255–8267, Oct., doi: 10.1007/s13369-020-04683-4.

10.  H. Moayedi and S. Hayati (2019), “Artificial intelligence design charts for predicting friction capacity of driven pile in clay”, Neural Comput & Applic, vol. 31, no. 11, pp. 7429–7445, Nov.doi: 10.1007/s00521-018-3555-5.

11.  N. Altman and M. Krzywinski (2017), “Ensemble methods: bagging and random forests”, Nature Methods, vol. 14, no. 10, pp. 933–934, Oct.,doi: 10.1038/nmeth.4438.

12.  T. K. Ho (1995), “Random decision forests” in Proceedings of 3rd International Conference on Document Analysis and Recognition, vol. 1, pp. 278–282 vol.1. doi: 10.1109/ICDAR.1995.598994.

13.  L. Breiman (2001), “Random Forests”, Machine Learning, 45, 5–32,. https://doi.org/10.1023/A:1010933404324.

14.  B. Ghorbani, E. Sadrossadat, J. Bolouri, P. Rahimzadeh Oskooei (2018), “Numerical ANFIS-Based Formulation for Prediction of the Ultimate Axial Load Bearing Capacity of Piles Through CPT Data”, Geotechnical and Geological Engineering, pp. 1–20, Jan. , doi: 10.1007/s10706-018-0445-7.

15.  “Pile Foundation - Design Standard TCVN 10304-2014”. Vietnamese national standard. https://tieuchuan.vsqi.gov.vn/tieuchuan/view?sohieu=TCVN+10304%3A2014.