Trong bài viết này sẽ ứng dụng trí thông minh nhân tạo mà cụ thể là thuật toán rừng ngẫu nhiên (RF) để dự báo sức chống cắt còn lại của đất sau biến dạng. Để thực hiện việc mô phỏng, 131 dữ liệu thí nghiệm đã được thu thập từ công bố quốc tế. Bộ dữ liệu bao gồm bốn biến đầu vào là giới hạn chảy LL, chỉ số dẻo PI, độ lệch biểu đồ phân loại Casagrande ∆PI, hàm lượng sét CF. | KHOA HỌC CÔNG NGHỆ ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TRONG DỰ ĐOÁN SỨC CHỐNG CẮT CỦA ĐẤT SAU BIẾN DẠNG Nguyễn Quang Hùng Đại học Thủy lợi Trần Văn Quân Đại học Công nghệ Giao thông vận tải Tóm tắt Sau khi bị biến dạng do các tác động như như xói mòn sạt lở đất sẽ thay đổi đáng kể sức chống cắt. Do vậy công tác dự báo suy giảm cường độ chống cắt của các lớp đất này từ đó giúp dự đoán được khả năng tái diễn xạt lở mất ổn định với các lớp đất bị biến dạng này là một công tác hết sức cần thiết. Trong bài báo này sẽ ứng dụng trí thông minh nhân tạo mà cụ thể là thuật toán rừng ngẫu nhiên RF để dự báo sức chống cắt còn lại của đất sau biến dạng. Để thực hiện việc mô phỏng 131 dữ liệu thí nghiệm đã được thu thập từ công bố quốc tế. Bộ dữ liệu bao gồm bốn biến đầu vào là giới hạn chảy LL chỉ số dẻo PI độ lệch biểu đồ phân loại Casagrande PI hàm lượng sét CF. Việc đánh giá các mô hình được thực hiện và so sánh trên tập dữ liệu huấn luyện 70 dữ liệu và tập dữ liệu kiểm chứng 30 dữ liệu còn lại bằng các tiêu chí là hệ số tương quan Pearson và sai số RMSE. Kết quả của nghiên cứu cho thấy mô hình rừng ngẫu nhiên khả thi trong việc xác định sức chống cắt còn lại của đất sau biến dạng của đất với hệ số tương quan cho mô hình huấn luyện là và kiểm chứng là . Đồng thời mô hình rừng cây ngẫu nhiên có thể chỉ ra tầm quan trọng của từng tính chất của đất đến sức chống cắt còn lại của đất biến dạng lần lượt theo thứ tự là Giới hạn chảy gt Độ lệch biểu đồ phân loại Casagrande PI gt Hàm lượng sét gt Chỉ số dẻo. Từ khóa Trí tuệ nhân tạo AI rừng ngẫu nhiên RF sức chống cắt góc ma sát sạt lở Summary After being deformed due to disasters such as erosion landslides the soil will significantly change its shear strength. Therefore it is necessary to forecast the reduction of the shear strength of these soils to predict the possibility of recurrence of unstable erosion with these deformed layers. In this paper artificial intelligence RF will be applied to predict the remaining shear strength .
