Nội dung bài viết làm nổi bật vấn đề áp lực tiền cố kết (Pc) của đất yếu ở một số khu vực Đồng bằng Bắc Bộ Việt Nam đã được dự đoán bằng Trí tuệ nhân tạo - Máy học thông qua 3 mô hình: Hỗ trợ hồi quy vectơ (SVR), Mạng nơron nhân tạo đa lớp Perceptron (ANN MLP), Hồi quy Ridge (RR). Các mô hình đó được xây dựng bằng ngôn ngữ lập trình Python và thư viện máy học phần mềm Scikit-learning. Mời các bạn cùng tham khảo! | NGHIÊN CỨU ỨNG DỤNG KỸ THUẬT TRÍ TUỆ NHÂN TẠO DỰ BÁO ÁP LỰC TIỀN CỐ KẾT CỦA ĐẤT YẾU TẠI MỘT SỐ KHU VỰC Ở ĐỒNG BẰNG BẮC BỘ NGUYỄN ĐỨC MẠNH HỒ SỸ AN NGUYỄN HẢI HÀ PHẠM BÁ KHẢI NGUYỄN ĐÌNH TRUNG NGUYỄN ĐÌNH DŨNG Prediction of pre-consolidation pressure of soft soil using artificial intelligence in some areas of northern delta Vietnam Abstract Pre-consolidation pressure Pc of soft soil in some areas Northern Delta Vietnam has been predicted by using Artificial Intelligence - Machine Learning through 3 models Support Vector Regression SVR Artificial Neural Network Mutilayer Perceptron ANN MLP Ridge Regression RR . Those models were built by Python programming language and Scikit-learn software machine learning library. The data for this study is 159 soft soil samples which were collected from the construction site and full of physico- mechanical properties were achieved from experiments in laboratory at provinces Quang Ninh Hai Phong Thai Binh Nam Dinh Ninh Binh and Hai Duong. We use 15 physical properties of soil as inputs to analyze correlation with Pc. After removing parameters which have a weak correlation with Pc we have 6 parameters which is strongly correlated with Pc upper sampling depth m lower sampling depth m clay content liquidity index specific gravity g cm3 void ratio. For predicting Pc the models were built with 70 training set and 30 testing set. Performance of the models were validated by using various statistical measures Mean Absolute Error MAE Root Mean Square Error RMSE Correlation coefficient R and Coefficient of determination R2 . Results of predicting Pc models show that the performance of the models using different methods is much different where R2-value varies from to . The present study suggested that the ANN-MLP model has the highest predictive capability in 3 models R2 MAE RMSE and R . Keywords artificial neural network mutilayer perceptron ANN MLP Artificial Intelligencemachine learning ridge regression .
