Tuyển tập Hội nghị Khoa học thường niên năm 2024. ISBN: 978-604-82-8175-5
217
ỨNG DỤNG HỌC MÁY DỰ ĐOÁN ĐƯỜNG CONG
“XƯƠNG SỐNG” CỦA CỘT THÉP NHỒI BÊ TÔNG
DƯỚI TẢI TRỌNG TUẦN HOÀN VÀ NÉN DỌC TRỤC
Nguyễn Thị Mai Sương, Đặng Văn Phú, Phạm Ngọc Thịnh
Trường Đại học Thủy lợi, email: suongntm@tlu.edu.vn
1. GIỚI THIỆU CHUNG
Cột ống thép nhồi bê tông (CFST) là kết
cấu liên hợp giữa thép và bê tông, mang lại
khả năng chịu tải, độ bền và độ dẻo cao. Bê
tông trong ống thép không chỉ gia cố mà còn
hỗ trợ bên trong, tăng cường khả năng chịu
lực. Lớp vỏ thép bên ngoài bảo vệ bê tông và
hạn chế các vấn đề như nứt nẻ và co ngót.
Kết cấu CFST cũng giúp ngăn chặn sự cong
vênh cục bộ của ống thép, nâng cao hiệu suất
kết cấu. Nhờ những đặc tính này, cột CFST
được sử dụng phổ biến trong các nhà cao
tầng, đặc biệt là khi cần chịu tải lớn với kích
thước cột nhỏ gọn. Tuy nhiên, các cột CFST
ở tầng một phải đối mặt với thách thức từ
động đất, có thể gây ra đảo ngược tải quán
tính liên tục. Đây là vấn đề phức tạp do tính
chất kết hợp của vật liệu. Vì vậy, nghiên cứu
về khả năng sụp đổ của cột CFST, đặc biệt ở
tầng một, là rất quan trọng để đảm bảo an
toàn cho công trình. Do đó, nhiều nghiên cứu
đã được thực hiện để đánh giá hiệu suất địa
chấn của các cột CFST, đặc biệt là về ứng xử
của chúng dưới cả tải trọng dọc trục và tải
trọng ngang tuần hoàn. Tuy nhiên, vẫn cần
phát triển các phương pháp phân tích hiệu
quả hơn về mặt tính toán, nhằm tiết kiệm thời
gian và chi phí.
2. PHƯƠNG PHÁP NGHIÊN CỨU
Trong những năm gần đây, các phương
pháp tiếp cận dựa trên học máy đã được sử
dụng để xử lý nhiều vấn đề kỹ thuật dân dụng
Phần lớn các nghiên cứu kỹ thuật động đất
ban đầu tập trung vào cầu và kết cấu. Nghiên
cứu này sử dụng thuật toán mô hình cây tổng
hợp, là mô hình Cây tăng cường độ dốc cực
đại (ExGBT), để dự đoán đường cong
“xương sống” của các cột CFST dưới tải
trọng tuần hoàn và nén dọc trục.
Hình 1. Thí nghiệm và đường cong
“xương sống” điển hình của cột CFST
chịu tải trọng tuần hoàn và nén dọc trục
2.1. Tập dữ liệu
Trong nghiên cứu này, tổng cộng 95 dữ liệu
thực nghiệm về cột CFST chịu tải trọng ngang
tuần hoàn và nén dọc trục đã được lấy từ các
tài liệu có sẵn [1-6]. Các biến đầu vào ảnh
hưởng đến đường cong quan hệ lực cắt - biến
dạng “còn gọi là đường cong xương sống” của
các cột CFST chủ yếu đến từ ba nhóm, bao
gồm hình dạng cột, đặc tính vật liệu và điều
kiện tải. Do đó, chín biến đầu vào độc lập đã
được chọn làm yếu tố ảnh hưởng, bao gồm bề
rộng tiết diện cột (B), chiều cao tiết diện cột
(D), độ dày của ống thép (t), tỷ lệ độ chiều cao
tiết diện và độ dày ống thép (D/t), chiều dài
của cột (L), cường độ nén bê tông (fc'), giới
hạn chảy của thép (fy), mô đun đàn hồi của
Tuyển tập Hội nghị Khoa học thường niên năm 2024. ISBN: 978-604-82-8175-5
218
thép (Es) và tải nén dọc trục (N). Bốn biến đầu
ra bao gồm tải trọng tại điểm chảy dẻo - Py;
chuyển vị tại Py- ∆y; tải trọng tối đa - Pm và
chuyển vị tại Pm -∆m. Bảng 1 tóm tắt số liệu
thống kê của các biến đầu vào và đầu ra của
toàn bộ tập dữ liệu.
Bảng 1. Thông số của tập dữ liệu
Biến Đơn vị Nhỏ Lớn
nhất
Trung
bình
Đầu vào
B (mm) 60.0 418.0 185.1
D (mm) 100.0 305.0 175.6
T (mm) 1.8 8.9 3.9
D/t 22.7 168.5 50.9
L (mm) 407.5 1854.0 816.4
c
f
(MPa) 17.1 110.0 43.1
fy (MPa) 235.0 660.0 351.7
Es (GPa) 188.3 215.0 203.0
N (kN) 22.3 3050.0 598.9
Đầu ra
Pm (kN) 19.0 743.2 142.5
Py (kN) 10.5 673.8 102.3
m (mm) 1.6 64.6 16.0
y (mm) 0.9 14.6 5.0
2.2. Mô hình dự đoán
Thuật toán ExGBT là một dạng cải tiến
của thuật toán Adaboost. Giả sử rằng chúng
ta có một tập huấn luyện với N mẫu X = {X1,
X2, ..., Xn}, và đầu ra của nó là y = {y1, y2, ...,
yn}. Trong lần lặp đầu tiên, một bộ dữ liệu
được lấy ngẫu nhiên để dự đoán đầu ra là
f1(Xi). Giá trị lệch giữa các giá trị dự đoán
f1(Xi) và các giá trị thực tế yi được gọi là
g1(Xi). Để cải thiện hiệu suất của quá trình
huấn luyện, lỗi g1(Xi) cần phải giảm. Do đó,
bộ học thứ hai không được tạo bởi yi mà bởi
đầu ra của g1(Xi). Tương tự như vậy, bộ học
cơ sở thứ hai tạo ra các giá trị dự đoán của
f2(Xi) và giá trị lệch tương ứng của g2(Xi), rõ
ràng là nhỏ hơn g1(Xi). Quá trình này được
lặp lại cho đến khi thu được giá trị dự đoán
cuối cùng i
f
m( X ).
Sơ đồ quy trình triển khai mô hình được
trình bày ở Hình 2.
Hình 2. Quy trình xây dựng mô hình cây
3. KẾT QUẢ NGHIÊN CỨU
Để đánh giá hiệu suất do các mô hình đưa
ra, một số tham số tiêu chí được sử dụng
trong nghiên cứu này. Các tiêu chí được chọn
dựa trên khuyến nghị của Nazer và Alavi [7]
cho các mô hình hồi quy học máy, bao gồm:
Hệ số tương quan:
 
22
exp exp
111
22
exp exp
11 1 1
nnn
pred pred
ii i i
iii
nn n n
pred pred
ii i i
ii i i
nyy y y
R
ny y ny y








Sai số phần trăm tuyệt đối trung bình:
exp
1
1n
pred
ii
i
MAE y y
n

trong đó: yexp là giá trị thực nghiệm, ypred là
giá trị dự đoán và n là tổng số mẫu.
Trong phân tích hồi quy, hệ số tương quan
tuyến tính (R) đóng vai trò quan trọng trong
đầu ra. R xác định mức độ phù hợp của giá trị
dự đoán với giá trị thực nghiệm. R được diễn
giải là tương quan giữa đầu ra dự đoán và
đầu ra thực tế, thay đổi từ 0 đến 1. Giá trị (R)
cao cho thấy mối tương quan tốt giữa giá trị
dự đoán và giá trị thực tế. Giá trị dự đoán
hoàn toàn phù hợp với giá trị thực nghiệm
khi R = 1,0. Ngược lại với R, các giá trị thấp
hơn đối với MAE cho thấy hiệu suất của mô
hình tốt hơn.
Hiệu suất của mô hình được thể hiện qua
Bảng 2. Kết quả dự đoán cho 4 giá trị đầu ra
lần lượt là 0.997, 0.969, 0.983 và 0.970 cho
Tuyển tập Hội nghị Khoa học thường niên năm 2024. ISBN: 978-604-82-8175-5
219
tập kiểm tra. Hơn nữa, mô hình cũng cung
cấp lỗi MAE tương đối nhỏ, chứng tỏ độ
chính xác cao trong dự đoán. Từ kết quả tính
toán có thể thấy rằng mô hình ExGBT dự
đoán kết quả một cách đáng tin cậy.
Bảng 2. Kết quả mô hình
Tập huấn luyện Tập kiểm tra
Biến
đầu ra MAE
(kN) R MAE
(kN) R
Pmax 2.239 1.000 8.154 0.997
Py 4.501 0.999 7.417 0.969
max 0.936 0.996 6.305 0.983
y 0.222 0.998 0.705 0.970
4. KẾT LUẬN
Trong nghiên cứu này, mô hình ExGBT
được sử dụng để dự đoán 4 thông số quan
trọng thuộc đường cong “xương sống” của
các cột CFST chịu tải trọng tuần hoàn và nén
dọc trục. Bốn giá trị dự đoán bao gồm tải
trọng tại điểm chảy dẻo - Py; chuyển vị tại Py,
∆y; tải trọng tối đa - Pm và chuyển vị tại Pm,
∆m, Hiệu suất của mô hình ExGBT được
chứng minh thông qua các tiêu chỉ đánh giá
(R và MAE). Kết quả cho thấy mô hình
ExGBT là công cụ mạnh mẽ trong việc dự
đoán bốn thông số đầu ra với kết quả đáng tin
cậy và tiết kiệm thời gian.
5. TÀI LIỆU THAM KHẢO
[1] A.H. Varma, J.M. Ricles, R. Sause, L.-W.
Lu, (2002) Experimental Behavior of High
Strength Square Concrete-Filled Steel Tube
Beam-Columns.
[2] A.H. Varma, J.M. Ricles, R. Sause, L.-W.
Lu, (2004) Seismic Behavior and Design of
High-Strength Square Concrete-Filled Steel
Tube Beam Columns, Journal of Structural
Engineering.
[3] A.H. Zubydan, A.I. Elsabbagh, (2011)
Monotonic and cyclic behavior of concrete-
filled steel-tube beam-columns considering
local buckling effect, Thin-Walled Structures.
[4] B. Wu, X.Y. Zhao, J.S. Zhang, (2012)
Cyclic behavior of thin-walled square steel
tubular columns filled with demolished
concrete lumps and fresh concrete, Journal
of Constructional Steel Research.
[5] L.H. Han, Y.F. Yang, Z. Tao, (2003)
Concrete-filled thin-walled steel SHS and
RHS beam-columns subjected to cyclic
loading, Thin-Walled Structures.
[6] Tsutomu Usami, (1994), Ductility of
concrete-filled steel ox columns under cyclic
loading, Journal of Structural Engineering.
[7] M.Z. Naser, A. Alavi, (2020) Insights into
performance fitness and error metrics for
machine learning, ArXiv Preprint
ArXiv:2006.00887.