DOI: 

TÁC GIẢ:
PGS.TS Nguyễn Thùy Anh
Nhóm nghiên cứu Ứng dụng công nghệ 4.0 trong Đăng nhập tài khoản 28Bet vận tải (I4T), Trường Đại học Công nghệ Đăng nhập tài khoản 28Bet vận tải
Email: [email protected]

THÔNG TIN BÀI BÁO
Chuyên mục: 28Bet28 link nhà cái
Ngày nhận bài: 15/5/2026
Ngày sửa bài: 26/5/2026
Ngày chấp nhận đăng: 09/6/2026
Ngày xuất bản Online: 22/6/2026
Tác giả liên hệ: Email: [email protected]

TÓM TẮT
Việc dự đoán khả năng chịu lực dọc trục của cột thép bê tông composite hai lớp FRP hình elip gặp nhiều thách thức do tính phi tuyến phức tạp của cơ chế tương tác giữa ba lớp vật liệu (FRP - bê tông - thép) và sự phân bố không đồng đều của hiệu ứng kiểm chế. Nghiên cứu này phát triển mô hình Rừng ngẫu nhiên dựa trên bộ dữ liệu gồm 112 mẫu và được tinh chỉnh thông qua kỹ thuật tìm kiếm lưới kết hợp kiểm chứng chéo. Độ ổn định của thuật toán được xác thực qua 100 lần mô phỏng Monte Carlo. Kết quả cho thấy mô hình RF đạt hiệu suất dự báo cao và khả năng tổng quát hóa tốt, với hệ số xác định trên tập kiểm tra đạt 0,972 và sai số phần trăm tuyệt đối trung bình là 4,8%. Bên cạnh đó, phân tích SHAP toàn cục xác định diện tích lõi bê tông, cường độ nén của bê tông và độ dày của vỏ FRP là ba thông số có ảnh hưởng lớn nhất. Đồng thời, kỹ thuật LIME được áp dụng để giải thích cục bộ, làm rõ sự khác biệt giữa tầm quan trọng toàn cục và cục bộ ở các mẫu có cấu hình đặc thù. Nghiên cứu cung cấp một mô hình dự báo chính xác, ổn định và có khả năng giải thích, góp phần hỗ trợ kỹ sư lựa chọn thông số thiết kế tối ưu cho cột composite hai lớp FRP hình elip.

Từ khóa: Cột composite FRP; khả năng chịu lực dọc trục; rừng ngẫu nhiên; SHAP; LIME.

TÀI LIỆU THAM KHẢO

[1] A. Hamoda, M. Ghalla, S.A. Yehia, M. Ahmed, A.A. Abadel, A. Baktheer, R.I. Shahin. Experimental and numerical investigations of the shear performance of reinforced concrete deep beams strengthened with hybrid SHCC-mesh. Case Studies in Construction Materials, 21, 2024, doi: 10.1016/j.cscm.2024.e03495.

[2] F. Yuan, J. Pan, C.K.Y. Leung. Flexural Behaviors of ECC and Concrete/ECC Composite Beams Reinforced with Basalt Fiber-Reinforced Polymer. J. Compos. Constr, 17, 591-602, 2013, doi: 10.1061/(ASCE)CC.1943-5614.0000381.

[3] B.-L. Lai, M.-Y. Zhang, Z.-P. Chen, J.R. Liew, Y.-Y. Zheng. Axial compressive behavior and design of semi-precast steel reinforced concrete composite columns with permanent ECC formwork, in: Structures, Elsevier, 2023, doi: 10.1016/j.istruc.2023.105130.

[4] A. Hamoda, R.I. Shahin, M. Ahmed, A.A. Abadel, S.A. Yehia. Flexural behaviour of normal concrete circular beams strengthened with ECC and stainless steel tubes. Magazine of Concrete Research, 77, 171-188, 2025, doi: 10.1680/jmacr.24.00137.

[5] J.-J. Zeng, J.-F. Lv, G. Lin, Y.-C. Guo, L.-J. Li. Compressive behavior of double-tube concrete columns with an outer square FRP tube and an inner circular high-strength steel tube. Construction and Building Materials, 184, 668-680, 2018, doi: 10.1016/j.conbuildmat.2018.07.034.

[6] Z. Bing, F. Guisen, W. Wei, Z. Ningyuan, Z. Qianbiao, H. Xiamin. Behavior of elliptical GFRP-concrete-steel doubleskin tubular columns under axial compression. Journal of Building Structures, 40, 185-191, 2019.

[7] H.-B. Ly. An interpretable machine learning-based measurement system for predicting the compressive strength of concrete at elevated temperatures. Measurement, 120273, 2025, doi: 10.1016/j.measurement.2025.120273.

[8] TA. Nguyen. Versatile predictive modeling of CFDST columns using diverse FRP types: CATBOOST and advanced optimization techniques. Structural Concrete, 2026, doi: 10.1002/suco.70522.

[9] F. Yu, H.F. Isleem, W.J. Almoghayer, R.I. Shahin, S.A. Yehia, M. Khishe, M.K. Elshaarawy. Predicting axial load capacity in elliptical fiber reinforced polymer concrete steel double skin columns using machine learning. Scientific Reports, 15, 2025, 12899, doi:10.1038/s41598-025-97258-y.

[10] T. Ozbakkaloglu, B.L. Fanggi. Axial Compressive Behavior of FRP-Concrete-Steel Double-Skin Tubular Columns Made of Normal- and High-Strength Concrete. J. Compos. Constr, 18, 2014 04013027, doi: 10.1061/(ASCE)CC.1943-5614.0000401.

[11] C. Cakiroglu, K. Islam, G. Bekdas, S. Kim, Z.W. Geem. Interpretable Machine Learning Algorithms to Predict the Axial Capacity of FRP-Reinforced Concrete Columns. Materials, 2022, 15, 2742, doi:10.3390/ma15082742.

►Xem bài báo tại đây