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: 107,405,626

 Prediction of interface yield stress and plastic viscosity of fresh concrete using a hybrid machine learning approach
Tác giả hoặc Nhóm tác giả: The-Duong Nguyen, Thu-HienTran, Nhat-DucHoang
Nơi đăng: Advanced Engineering Informatics (IF = 7.862); Số: 44;Từ->đến trang: 1-16;Năm: 2020
Lĩnh vực: Kỹ thuật; Loại: Bài báo khoa học; Thể loại: Quốc tế
TÓM TẮT
ABSTRACT
The interface yield stress and the plastic viscosity of concrete mixes critically influence their pumpability. This study constructs and verifies a data-driven method for predicting these two important parameters. The proposed method is a hybridization of Least Squares Support Vector Machine (LSSVM) and Particle Swarm Optimization (PSO). The LSSVM is employed to infer the mapping function between the two concrete mix’s parameters and their influencing factors. Moreover, in order to overcome the challenging task of fine-tuning the LSSVM model hyper-parameters, the PSO algorithm, a swarm intelligence based metaheuristic, is utilized to optimize the LSSVM prediction model. A data set including 142 experimental tests has been collected in this study to construct and verify the proposed hybrid method. Experimental results supported by the Wilcoxon signed-rank test point out that the hybridization of LSSVM and PSO (with coefficients of determination = 0.71 and 0.77 for interface yield stress and plastic viscosity predictions, respectively) can deliver predictive results superior to those of benchmark models. Hence, the hybrid model of PSO and LSSVM can be a promising alternative to assist engineers in the task of concrete structure construction.
[ 1-s2.0-s1474034620300264-main.pdf ]
© Đại học Đà Nẵng
 
 
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn