Mục tiêu của nghiên cứu này là xây dựng mô hình dựa trên mạng thần kinh nhân tạo (ANN) để dự báo khả năng kháng cắt của vách ngắn bê tông cốt thép (BTCT) tiết diện chữ nhật. Một bộ dữ liệu bao gồm 312 kết quả thí nghiệm từ các nghiên cứu trước đây đã công bố được sưu tập dùng cho việc phát triển mô hình ANN. | Tạp chí Khoa học công nghệ Giao thông vận tải Tập 12 - Số 1 Dự báo khả năng kháng cắt của vách ngắn bê tông cốt thép chữ nhật sử dụng mô hình mạng thần kinh nhân tạo Prediction of shear capacity of squat rectangular RC walls using artificial neural networks Phan Văn Tiến Nguyễn Duy Duẩn Trường Đại học Vinh Email liên hệ vantienkxd@ Tóm tắt Mục tiêu của nghiên cứu này là xây dựng mô hình dựa trên mạng thần kinh nhân tạo ANN để dự báo khả năng kháng cắt của vách ngắn bê tông cốt thép BTCT tiết diện chữ nhật. Một bộ dữ liệu bao gồm 312 kết quả thí nghiệm từ các nghiên cứu trước đây đã công bố được sưu tập dùng cho việc phát triển mô hình ANN. Kết quả dự báo dựa trên mô hình ANN được so sánh với tám công thức trong các tiêu chuẩn thiết kế và các nghiên cứu điển hình đã công bố trước đây. Các tham số thống kê dùng để đánh giá mức độ chính xác của các mô hình bao gồm hệ số xác định R2 và sai số quân phương RMSE . Ngoài ra giá trị trung bình và độ lệch chuẩn của tỷ số giữa giá trị dự báo và giá trị thí nghiệm cũng được đánh giá. Kết quả cho thấy rằng mô hình ANN vượt trội hơn nhiều trong việc dự báo khả năng kháng cắt của vách ngắn BTCT tiết diện chữ nhật so với các công thức đề xuất khác. Từ khóa Vách ngắn bê tông cốt thép Khả năng kháng cắt Mô hình mạng thần kinh nhân tạo Dữ liệu thí nghiệm. Abstract The aim of this study is to develop an artificial neural network ANN model for predicting the shear capacity of squat rectangular reinforced concrete RC walls. A set of 312 experimental results is collected from the literature for constructing the ANN model. The performance of the ANN model is compared with that of seven proposed formulas in the current design codes and published studies. Three statistical parameters are used to evaluate the accuracy of the predictive models in which the coefficient of determination R2 and root-mean- squared error RMSE are considered. Additionally the characteristics . mean and standard deviation of the ratio of predicted
