Bài viết giới thiệu và ứng dụng XGBoost, một trong những kỹ thuật trí tuệ nhân tạo mới nhất và mạnh mẽ nhất để ước lượng khả năng chịu nén dọc trục của cột ống thép nhồi bê tông (CFST) tiết diện tròn. Kết quả từ 1017 thí nghiệm về loại cấu kiện này được sử dụng làm dữ liệu để huấn luyện mô hình. | Tạp chí Khoa học Công nghệ Xây dựng NUCE 2021. 15 3V 69 78 ƯỚC LƯỢNG KHẢ NĂNG CHỊU NÉN ĐÚNG TÂM CỦA CỘT ỐNG THÉP NHỒI BÊ TÔNG BẰNG THUẬT TOÁN MÁY HỌC Phạm Thái Hoàna a Khoa Xây dựng dân dụng và công nghiệp Trường Đại học Xây dựng 55 đường Giải Phóng quận Hai Bà Trưng Hà Nội Việt Nam Nhận ngày 30 05 2021 Sửa xong 22 06 2021 Chấp nhận đăng 23 06 2021 Tóm tắt Cấu kiện cột ống thép nhồi bê tông Concrete-Filled Steel Tube-CFST với nhiều ưu điểm được quan tâm nghiên cứu và ứng dụng rộng rãi trong các công trình xây dựng khoảng 3 thập kỷ qua. Bên cạnh đó sự phát triển mạnh mẽ cùa kỹ thuật máy tính đã mở ra nhiều cơ hội ứng dụng các kỹ thuật trí tuệ nhân tạo AI vào trong thiết kế công trình. Bài báo giới thiệu và ứng dụng XGBoost một trong những kỹ thuật trí tuệ nhân tạo mới nhất và mạnh mẽ nhất để ước lượng khả năng chịu nén dọc trục của cột ống thép nhồi bê tông CFST tiết diện tròn. Kết quả từ 1017 thí nghiệm về loại cấu kiện này được sử dụng làm dữ liệu để huấn luyện mô hình. Các thông số bao gồm đường kính ngoài của tiết diện D chiều dày của ống thép t cường độ chảy của thép fy cường độ chịu nén của bê tông fc0 và chiều dài cột L được sử dụng như những thông số đầu vào trong khi đó khả năng chịu lực nén đúng tâm dọc trục N là thông số đầu ra. Kết quả huấn luyện từ mô hình cho thấy thuật toán XGBoost có thể ứng dụng hiệu quả trong việc ước lượng khả năng chịu nén dọc trục của cột CFST tiết diện tròn với độ chính xác cao với thời gian ngắn. Từ khoá XGBoost trí tuệ nhân tạo máy học ống thép nhồi bê tông CFST. ESTIMATION OF CONCENTRIC AXIAL COMPRESSIVE LOAD-CARRYING CAPACITY OF CONCRETE- FILLED STEEL TUBE USING MACHINE LEARNING ALGORITHMS Abstract Concrete-Filled Steel Tube Concrete-Filled Steel Tube-CFST columns with many advantages have been stud- ied and widely applied in construction projects for decades. Besides the rapid development of computer engi- neering has opened up many opportunities to apply artificial intelligence AI techniques in building design. This .
