Trong những năm gần đây, các thuật toán về trí tuệ nhân tạo (AI) và điển hình là học máy (ML) đã được phát triển và áp dụng rộng rãi trong nhiều lĩnh vực trong đó có lĩnh vực địa kỹ thuật. Các phương pháp này được biết đến như là các công cụ tiên tiến có độ chính xác cao trong việc dự báo các tính chất của vật liệu.

Trên thế giới, AI và điển hình là ML đã và đang được áp dụng để giải quyết các bài toán về địa kỹ thuật cũng nói chung và dự báo sức chịu tải của cọc nói riêng phục vụ xây dựng công trình với nhiều kết quả thu được có tính vượt trội, đặc biệt có độ chính xác cao trong dự báo. Ở Việt Nam, hầu hết các công trình nhà cao tầng, các công trình cầu lớn đều sử dụng móng cọc khoan nhồi, do đặc điểm các công trình này đều có tải trọng công trình lớn và các lớp đất tốt thường nằm ở dưới sâu. Vì vậy, việc đánh giá và dự báo sức chịu tải của cọc khoan nhồi là một chủ đề rất quan trọng và có ý nghĩa thực tiễn, phục vụ cho quá trình thiết kế và thi công các dạng móng cọc khoan nhồi. Đó là lý do nhóm nghiên cứu của TS. Phạm Thái Bình tại Trường Đại học Công nghệ Giao thông vận tải đã thực hiện đề tài: “Nghiên cứu sử dụng các kỹ thuật trí tuệ nhân tạo và tối ưu hóa vào dự báo sức chịu tải của cọc khoan nhồi dùng cho xây dựng công trình giao thông” trong thời gian từ năm 2021 đến năm 2022.

Mục tiêu chính của đề tài này là nghiên cứu dự báo sức chịu tải dọc trục của cọc khoan nhồi dùng trong các công trình xây dựng sử dụng các mô hình trí tuệ nhân tạo và các thuật toán tối ưu hóa

Trong nghiên cứu, các tác giả đã áp dụng cách tiếp cận mới trong dự báo sức chịu tải của cọc khoan nhồi sử dụng các kỹ thuật tiên tiến của cuộc cách mạng công nghiệp lần thứ 4. Các kỹ thuật AI tiên tiến, phổ biến, có hiệu quả cao như ANN, SVM, ANFIS đã được lựa chọn để xây dựng mô hình dự báo sức chịu tải của cọc: sức chịu tải mũi cọc, sức chịu tải thân cọc và sức chịu tải dọc trục của cọc khoan nhồi. Cơ sở dữ liệu sử dụng cho mô hình dự báo được thu thập từ các dự án lớn khác nhau của Việt Nam. Nhóm nghiên cứu đã tiến hành thu thập số liệu từ các công trình dự án thực tế đã có tiến hành các thí nghiệm sức chịu tải của cọc ngoài hiện trường và xác định các giá trị sức chịu tải theo tiêu chuẩn hiện hành, có tổng cộng 75 dữ liệu đo sức chịu tải dọc trục của cọc khoan nhồi được sử dụng cho bài toán mô hình dự báo sức chịu tải dọc trục của cọc khoan nhồi và 52 dữ liệu sức chịu tải mũi cọc và sức chịu tải thành bên được xác định từ tiêu chuẩn hiện hành và sử dụng cho việc xây dựng cơ sở dữ liệu cho bài toán dự báo. Trong đó, 70% dữ liệu được dùng để xây dựng mô hình và 30% còn lại được dùng để kiểm chứng độ chính xác của mô hình. Các tiêu chuẩn đánh giá như RMSE, MAE và R được lựa chọn và sử dụng để đánh giá năng lực dự báo của các mô hình sử dụng.

Các kết quả nghiên cứu cho thấy:

* Cả ba mô hình ANN, SVM và ANFIS có năng lực dự báo tốt (R > 0.9) cho bài toán dự báo sức chịu tải của cọc khoan nhồi. Trong đó, mô hình SVM được đánh giá là mô hình có độ chính xác tốt hơn so với hai mô hình còn lại (ANN và ANFIS).

* Năng lực dự báo sức chịu tải của cọc khoan nhồi của các mô hình trí tuệ nhân tạo ANN, SVM và ANFIS dựa trên kết quả từ thí nghiệm SPT được đánh giá là tốt hơn so với các phương pháp xác định sức chịu tải của cọc khoan nhồi dựa trên kết quả từ thí nghiệm CPT đã được nghiên cứu và công bố bởi các tác giả khác.

Kết quả nghiên cứu hỗ trợ dự báo sơ bộ giá trị sức chịu tải dọc trục từ thí nghiệm nén tĩnh kiểm tra sức chịu tải của cọc khoan nhồi, giúp ích cho việc sơ bộ kiểm tra được chất lượng của cọc, phục vụ thiết kế và thi công nền và móng công trình.

Có thể tìm đọc toàn văn Báo cáo kết quả nghiên cứu (mã số 21338/2022) tại Cục Thông tin, Thống kê.

N.P.D (NASTIS)