Tường chắn đất có cốt đã được ứng dụng rất rộng rãi và phổ biến trong xây dựng, đặc biệt là để gia cố các mái dốc dựng đứng và dùng cho các nền đường đắp cao. Loại kết cấu này có nhiều ưu điểm nổi bật như: tuổi thọ cao, giá thành rẻ, phù hợp với các công trình chịu tải trọng động, giảm độ lún không đều đối với các công trình xây dựng trên nền đất yếu... Với những tường chắn đất có cốt bằng kim loại, thời gian phục vụ của tường phụ thuộc vào cường độ của cốt thép trong suốt thời gian khai thác. Trong khoảng thời gian này, cốt thép sẽ bị ăn mòn do các tác nhân ăn mòn gây ra như: tính chất hóa học của vật liệu đắp, điều kiện xâm thực của môi trường, chất lượng của cốt thép sử dụng… Dự đoán chính xác thời gian phục vụ của tường giúp chúng ta có những biện pháp cảnh báo cũng như duy tu, sửa chữa khi tường đã hết thời gian phục vụ để tránh những sự cố công trình đáng tiếc xảy ra.

Bài toán dự đoán thời gian phục vụ của tường chắn đất có cốt bị ăn mòn là bài toán cơ sở dữ liệu đầu vào nhiều biến, có mối quan hệ phức tạp với đầu ra. Tuy nhiên, các nghiên cứu đánh giá về ăn mòn cốt trong tường chắn và tuổi thọ của tường chắn đất có cốt theo phương pháp mạng nơ-ron nhân tạo (Artificial Neural Network-ANN) hoặc phương pháp học sâu (Deep Learning) chưa được áp dụng. Trong khi đó ANN và Deep Learning là công cụ mô hình hóa dữ liệu thống kê phi tuyến, mô hình hóa các mối quan hệ phức tạp giữa dữ liệu vào và kết quả. Những bài toán cơ sở dữ liệu lớn, các biến có mối quan hệ phức tạp thì Deep learning dựa trên lý thuyết ANN là một thế mạnh hiện nay.

      Chính vì những lí do trên, đề tài tập trung nghiên cứu “Ứng dụng Deep learning để xây dựng chương trình dự đoán thời gian phục vụ của tường chắn đất có cốt  bằng kim loại”

Key words: ANN, Deep learning, MSE wall, Corrosion, steel reinforcement

+ 01 mô hình thuật toán (dự đoán ăn mòn cốt kim loại trong tường chắn đất có cốt)

+ 01 chương trình máy tính (dự đoán thời gian phục vụ của tường chắn đất có cốt bằng kim loại áp dụng trong các môi trường khí hậu và vùng miền khác nhau.