Thông tin chung
  English
  Đề tài NC khoa học
  Bài báo, báo cáo khoa học
  Hướng dẫn Sau đại học
  Sách và giáo trình
  Các học phần và môn giảng dạy
  Giải thưởng khoa học, Phát minh, sáng chế
  Khen thưởng
  Thông tin khác
  Tài liệu tham khảo
  Hiệu chỉnh
 
Số người truy cập: 107,386,213

 Developing artificial neural network models to predict corrosion of reinforcement in mechanically stabilized earth walls
Tác giả hoặc Nhóm tác giả: Thu-Ha Nguyen, Truong-Linh Chau, Tung Hoang, Teron Nguyen
Nơi đăng: Neural Computing and Applications (SCIE-Q1) ISSN/eISSN 0941-0643/1433-3058; Số: 35(9);Từ->đến trang: 6787-6799;Năm: 2023
Lĩnh vực: Kỹ thuật; Loại: Bài báo khoa học; Thể loại: Quốc tế
TÓM TẮT

ABSTRACT
Corrosion of reinforcement in Mechanically Stabilized Earth (MSE) walls is mainly due to physical and chemical properties of back-fill materials, types of metal reinforcement, and environmental factors. Therefore, it is imperative to evaluate the corrosion levels of reinforcement in the design and construction of MSE walls. This study employed Artificial Neural Networks (ANN) to build prediction models of corrosion of reinforcement (COR) based on collected corrosion factors from 489 in-situ boring samples of MSE walls on highways in France. The ANN models were built, trained and achieved the best performance at an ANN structure (12-20-18-1) with one input layer (12 neurons), two hidden layers (20 and 18 neurons) and one output layer (1 neuron). The results have shown that the proposed model can provide a high coefficient correlation (R = 0.878) and a low mean squared error (MSE = 0.00454 µm2). Furthermore, a sensitivity study has shown that the factors of sulphate ion (SO42-), humidity, and time were the most important variables which influenced COR values. The research work could contribute significantly to geotechnical engineering with an optimal ANN model to predict the COR values of reinforcement metal in MSE walls.
© Đại học Đà Nẵng
 
 
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn