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: 63,828,681

 Estimating resilient modulus of subgrade soils using bagging-based ensemble model
Tác giả hoặc Nhóm tác giả: Thi Thu Ha Truong, Vo Duyen Anh Huynh
Nơi đăng: The University of Da Nang, Journal of Science and Technology; Số: 5(114), Quyển 2;Từ->đến trang: 6-10;Năm: 2017
Lĩnh vực: Kỹ thuật; Loại: Bài báo khoa học; Thể loại: Trong nước
TÓM TẮT
Mô đun đàn hồi của nền đất dùng để mô tả ứng xử của kết cấu áo đường. Nó được sử dụng như một thông số thiết yếu để đánh giá độ tin cậy của thiết kế và sự làm việc hiệu quả của kết cấu áo đường. Xác định chính xác mô đun đàn hồi cho phép biết trước trạng thái của đất nền dưới tác dụng của tải trọng. Bài báo này giới thiệu mô hình bagging để tính toán mô đun đàn hồi của đất nền. Các mô hình đơn lẻ và mô hình bagging được xây dựng từ bốn mô hình cơ sở gồm: artificial neural network (ANN), support vector regression (SVR), classification and regression tree (CART), và linear regression (LR). Độ chính xác của các mô hình bagging được so sánh với các mô hình đơn lẻ thông qua tỷ lệ sai số. Kết quả phân tích cho thấy mô hình bagging dựa trên ANN vượt trội hơn so với các mô hình khác. Bài báo này vì vậy cung cấp một giải pháp nhanh chóng và tin cậy trong việc tính toán mô đun đàn hồi của đất nền.
ABSTRACT
The resilient modulus (Mr) of pavement subgrade soils has been characterized to describe the structural response of pavements. It has been used as an essential property both for evaluating a reliable design and the performance of pavements. Accurate estimating the resilient modulus allows to early determine the response of subgrade soil under traffic loading. This paper proposes an ensemble machine learning technique, namely bagging to estimate the resilient modulus of subgrade soils. Individual and bagging-based ensemble learning classifiers are constructed from four different base learners, including artificial neural network (ANN), support vector regression (SVR), classification and regression tree (CART), and linear regression (LR). Prediction performances of bagging-based models are compared with those of individual ones via error rates. Analytical results indicated that the bagging-based ANN model outperformed other machine learning techniques. This paper, therefore, potentially provides a quick and reliable solution in early determining the resilient modulus of subgrade soils.
© Đại học Đà Nẵng
 
 
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn