Ứng dụng mạng nơ ron nhân tạo để dự đoán cường độ nén của bê tông đầm lăn làm bằng cốt liệu xỉ thép EAF và tro bay

Ứng dụng mạng nơ ron nhân tạo để Dự đoán cường độ nén bê tông đầm lăn Làm cốt liệu xỉ thép EAF tro bay Lâm Ngọc Trà My 2020 MỤC LỤC Chƣơng 1: Giới thiệu chung .1 1.1 Lý nghiên cứu tính cấp thiết đề tài 1.2 Mục tiêu nghiên cứu 1.3 Đối tượng phạm vi nghiên cứu 1.3.1 Đối tượng nghiên cứu 1.3.2 Phạm vi nghiên cứu Chƣơng 2: Tổng quan 2.1 Bê tông đầm lăn 2.2 Xỉ thép EAF 2.2.1 Đặc điểm .6 2.2.2 Ứng dụng xỉ thép 2.3 Tro bay 2.4 Mạng nơ ron nhân tạo .9 2.5 Tình hình nghiên cứu 11 2.5.1 Trong nước 11 2.5.2 Ngoài nước 12 Chƣơng 3: Phƣơng pháp nghiên cứu 14 3.1 Nguyên vật liệu .14 3.1.1 Xi măng 14 3.1.2 Tro bay 14 3.1.3 Cốt liệu .16 3.1.4 Xỉ thép 17 3.2 Tạo mẫu phương pháp thí nghiệm .18 ii 3.2.1 Cấp phối hỗn hợp bê tông đầm lăn 18 3.2.2 Tạo mẫu phương pháp thí nghiệm cường độ nén 18 3.3 Mơ hình dự đốn .20 3.3.1 Phương trình hồi qui tuyến tính 20 3.3.2 Mạng nơ ron nhân tạo .20 3.3.3 Logic mờ 23 Chƣơng 4: Các kết thảo luận 26 4.1 Hàm lượng nước tối ưu cho cấp phối bê tông đầm lăn 26 4.2 Cường độ chịu nén 28 4.3 Mơ hình dự đốn .30 4.3.1 Phương trình hồi qui tuyến tính 30 4.3.2 Mạng nơ ron nhân tạo .32 4.3.3 Logic mờ 36 Chƣơng 5: Kết luận kiến nghị 42 5.1 Kết luận 42 5.2 Kiến nghị 42 Tài liệu tham khảo 43 iii DANH MỤC BẢNG BIỂU Bảng 2.1 Thành phần cấp phối cốt liệu bê tông đầm lăn theo ACPA Bảng 2.2 Tính chất vật lý xỉ thép EAF Bảng 2.3 Thành phần hóa học xỉ thép EAF Bảng 3.1 Thành phần hóa học tính chất lý tro bay xi măng 15 Bảng 3.2 Tính chất lý cốt liệu tự nhiên xỉ thép 16 Bảng 3.3 Thành phần hóa học xỉ thép 17 Bảng 3.4 Thành phần cấp phối hỗn hợp bê tông đầm lăn 19 Bảng 4.1 Độ ẩm tối ưu khối lượng thể tích khơ lớn hỗn hợp bê tông đầm lăn 28 Bảng 4.2 Cường độ chịu nén hỗn hợp bê tông đầm lăn 29 Bảng 4.3 Các luật mờ 37 iv DANH MỤC HÌNH ẢNH Hình 2.1 Tổng diện tích sử dụng bê tông đầm lăn nước Mỹ từ năm 1983 Hình 2.2 Thành phần ngun vật liệu theo thể tích bê tơng thơng thường bê tông đầm lăn Hình 2.3 Thi cơng kết cấu mặt đường bê tông đầm lăn Hình 2.4 Xỉ thép EAF Hình 2.5 Cấu tạo tế bào nơ ron sinh học 10 Hình 2.6 Kiến trúc nơ ron nhân tạo 10 Hình 2.7 Cấu trúc mạng nơ ron truyền thẳng lớp 11 Hình 3.1 Tro bay 14 Hình 3.2 Thành phần cấp phối hạt cốt liệu sử dụng nghiên cứu 16 Hình 3.3 Xỉ thép EAF thay cốt liệu lớn 17 Hình 3.4 Quá trình bảo dưỡng mẫu 20 Hình 3.5 Mơ hình ANN đề xuất nghiên cứu 22 Hình 3.6 Các hàm thành viên tham số đầu vào, (a) hàm lượng tro bay, (b) hàm lượng xỉ thép EAF, (c) tuổi mẫu 24 Hình 3.7 Hệ thống logic mờ 25 Hình 4.1 Đường cong đầm nén 27 Hình 4.2 Cường độ chịu nén bê tông đầm lăn 28 Hình 4.3 Các giá trị dự đốn theo mơ hình MRA giá trị đích tập huấn luyện31 Hình 4.4 Mối quan hệ giá trị dự đoán theo mơ hình MRA giá trị đích tập huấn luyện 31 Hình 4.5 Các giá trị dự đốn theo mơ hình MRA giá trị đích tập kiểm tra 32 Hình 4.6 Mối quan hệ giá trị dự đoán theo mơ hình MRA giá trị đích tập kiểm tra 32 v Hình 4.7 Các hệ số RMSE R2 mơ hình ANN với số nơ ron lớp ẩn khác 33 Hình 4.8 Mơ hình ANN với số nơ ron tối ưu lớp ẩn (6 nơ ron) 33 Hình 4.9 Các giá trị dự đốn theo mơ hình ANN giá trị đích tập huấn luyện34 Hình 4.10 Mối quan hệ giá trị dự đốn theo mơ hình ANN giá trị đích tập huấn luyện 34 Hình 4.11 Các giá trị dự đốn theo mơ hình ANN giá trị đích tập kiểm tra 35 Hình 4.12 Mối quan hệ giá trị dự đốn theo mơ hình ANN giá trị đích tập kiểm tra 35 Hình 4.13 Hàm thành viên cường độ chịu nén 36 Hình 4.14 Sơ đồ khối mơ hình logic mờ 36 Hình 4.15 Các giá trị dự đốn theo mơ hình FL giá trị đích tập huấn luyện 39 Hình 4.16 Mối quan hệ giá trị dự đoán theo mơ hình FL giá trị đích tập huấn luyện 39 Hình 4.17 Các giá trị dự đốn theo mơ hình FL giá trị đích tập kiểm tra 40 Hình 4.18 Mối quan hệ giá trị dự đoán theo mơ hình FL giá trị đích tập huấn luyện 40 Hình 4.19 So sánh giá trị dự đoán cường độ nén mơ hình MRA, ANN FL 41 vi CHƢƠNG 1: GIỚI THIỆU CHUNG 1.1 Lý nghiên cứu tính cấp thiết đề tài Sản xuất thép tăng trưởng nhanh 10 năm gần đây, cụ thể tổng sản lượng thép giới đạt 1560, 1650, 1670 triệu năm 2012, 2013, 2014 Cùng với gia tăng sản xuất thép, sản phẩm phụ trình sản xuất thép – xỉ thép tạo nên thách thức lớn cho vấn đề môi trường, thiếu khu vực chứa chôn lấp xỉ thép Xỉ thép EAF sản phẩm phụ trình sản xuất thép theo phương pháp hồ quang điện Quá trình sản xuất thép thô thải 150 – 200 kg xỉ thép EAF Sản lượng xỉ thép cần xử lý hàng năm giới 170 – 250 triệu Việc tái sử dụng xỉ thép EAF làm cốt liệu cho bê tông thu hút nhiều nghiên cứu giới [1]–[11] Kết nghiên cứu chứng minh xỉ thép thay cốt liệu tự nhiên bê tông làm tăng cường độ cho bê tơng thơng thường, bê tơng tính cao, bê tông geopolymer Tuy nhiên, cốt liệu xỉ thép thay cốt liệu tự nhiên làm giảm độ bền bê tông Ở Bà Rịa Vũng Tàu, chất thải xỉ thép EAF cần xử lý triệu hàng năm Hiện Việt Nam nghiên cứu cho việc tái sử dụng xỉ thép Bên cạnh đó, chủ nhiệm đề tài nghiên cứu thành công việc sử dụng xỉ thép làm cốt liệu cho bê tơng đầm lăn phịng thí nghiệm Vì vậy, việc tiếp tục mở rộng nghiên cứu bê tông đầm lăn cốt liệu xỉ thép để ứng dụng vào thực tế cấp thiết Ngoài ra, việc sử dụng tro bay để thay xi măng bê tơng mang lại nhiều lợi ích thiết thực, bao gồm giảm giá thành cho bê tông, giảm khí CO q trình sản xuất xi măng gây hạn chế tác hại môi trường tro xỉ nhà máy nhiệt điện mang lại Việc sử dụng tro bay thay phần xi măng bê tông đầm lăn làm giảm cường độ bê tông tuổi sớm [12] Nhưng cường độ bê tông sau 90 ngày phát triển cao Đồng thời, việc sử dụng tro bay làm cải thiện độ thấm, độ hút nước, độ thấm clo cho kết cấu bê tơng [13] Vì vậy, việc nghiên cứu dự báo cường độ nén bê tông đầm lăn sử dụng xỉ thép làm cốt liệu tro bay cần thiết để việc áp dụng thực tế trở nên đơn giản hiệu Từ định hướng đó, đề tài nghiên cứu đời 1.2 Mục tiêu nghiên cứu Đề tài nghiên cứu có mục tiêu chính: Xây dựng mơ hình dự báo cường độ nén bê tông đầm lăn sử dụng cốt liệu xỉ thép EAF tro bay mạng nơ-ron nhân tạo 1.3 Đối tƣợng phạm vi nghiên cứu 1.3.1 Đối tượng nghiên cứu Bê tông đầm lăn chế tạo từ cốt liệu xỉ thép EAF tro bay 1.3.2 Phạm vi nghiên cứu Xây dựng mơ hình mạng nơ ron nhân tạo để dự đoán cường độ chịu nén bê tơng đầm lăn từ số liệu thí nghiệm phòng CHƢƠNG 2: TỔNG QUAN 2.1 Bê tông đầm lăn Bê tông đầm lăn loại bê tơng đặc biệt cứng khơng có độ sụt Bê tông đầm lăn lần sử dụng cho kết cấu mặt đường vào năm 1942 Bắc Mỹ [14] Ketema cộng [15] chứng minh kết cấu áo đường cứng có tuổi thọ gấp đôi kết cấu áo đường mềm Việc tu, bão dưỡng định kỳ áo đường cứng 40 năm tương tự áo đường mềm Vì vậy, kết cấu áo đường cứng có hiệu kinh tế cao kết cấu áo đường mềm Ngày việc sử dụng bê tơng đầm lăn phổ biến ưu điểm bật nó, như: cường độ cao, độ bền lớn chi phí đầu tư thấp (hình 2.1) Hình 2.1 Tổng diện tích sử dụng bê tơng đầm lăn nước Mỹ từ năm 1983 [16] Hiện nay, Việt Nam kết cấu áo đường mềm chiếm 55% tổng chiều dài kết cấu áo đường, đạt 9303 km đường [17] Trong đó, kết cấu áo đường cứng chiếm 4% Vì vậy, việc nâng cao sử dụng kết cấu áo đường cứng Việt Nam tương lai cần thiết Tương tự bê tông thông thường, bê tông đầm lăn vật liệu hỗn hợp bao gồm chất kết dính, cốt liệu, nước phụ gia (nếu có) Tuy nhiên, lượng chất kết dính bê tơng đầm lăn thấp khoảng 10% bê tơng xi măng thơng thường (hình 2.2) Khối lượng xi măng sử dụng bê tông đầm lăn chiếm từ 11% đến 13% tổng lượng chất kết dính cốt liệu hỗn hợp [16] Với đặc điểm cứng, kết cấu mặt đường xây dựng từ bê tông đầm lăn thi công máy rải bê tơng nhựa đầm chặt xe lu (hình 2.3) Vì hỗn hợp bê tơng đầm lăn phải đủ cứng để trì ổn định lăn rung đủ ướt để phân phối vữa mà khơng tách biệt Hình 2.2 Thành phần ngun vật liệu theo thể tích bê tơng thơng thường bê tơng đầm lăn [16] Hình 2.3 Thi cơng kết cấu mặt đường bê tông đầm lăn [16] Hình 4.11 Các giá trị dự đốn theo mơ hình ANN giá trị đích tập kiểm tra Hình 4.12 Mối quan hệ giá trị dự đốn theo mơ hình ANN giá trị đích tập kiểm tra Ngồi ra, mơ hình ANN nghiên cứu mở rộng để dự đoán cường độ nén loại khác cách thêm tham số có liên quan ảnh hưởng đến cường độ nén Tuy nhiên, mơ hình ANN phát triển từ quy trình tốn học phức tạp, khơng có mối quan hệ rõ ràng liệu đầu vào liệu đầu Thật khó để hiểu giải thích cấu trúc hàm tính gần Do đó, mơ hình ANN khơng thân thiện việc sử dụng 35 4.3.3 Logic mờ Dựa kết thí nghiệm cường độ chịu nén bê tông đầm lăn (xem Bảng 4.2), mười tập hợp (CS1, CS2, CS3, …, CS11) với hàm thành viên tam giác tập phổ quát cường độ nén định thể Hình 4.13 Do đó, mơ hình logic mờ với hàm thành viên tham số đầu vào đầu hiển thị Hình 4.14 Hình 4.13 Hàm thành viên cường độ chịu nén Hình 4.14 Sơ đồ khối mơ hình logic mờ 36 Các quy tắc mờ sử dụng cho trình suy luận mờ theo mẫu: “Nếu (Hàm lượng tro bay H) (Hàm lượng xỉ tổng hợp L) (Tuổi VS) Thì (Cường độ chịu nén RCCP CSi)‖ Do đó, tất quy tắc mờ x x x 11 = 495 quy tắc Tuy nhiên, 33 quy tắc mờ tối ưu liệt kê Bảng 4.3 thiết kế nghiên cứu để xây dựng mơ hình mờ hiệu Bảng 4.3 Các luật mờ Luật số Hàm lượng tro Hàm lượng xỉ Tuổi Cường độ nén bay thép EAF H Not L VS CS1 Not L M VS CS2 H M S CS2 None H VS CS2 H H S CS2 H L VS CS3 L M S CS3 Not H H S CS3 Not H L VS CS4 10 H L S CS4 11 Not H M S CS4 12 H Not L M CS4 13 L H S CS4 37 14 M L S CS5 15 L Not H S CS6 16 H M M CS6 17 H M L CS6 18 L H M CS6 19 H H VL CS6 20 Not L L M CS7 21 L M L CS7 22 Not H M M CS7 23 H M VL CS7 24 Not H H L CS7 25 L L M CS8 26 Not L M VL CS8 27 H M L CS8 28 L H L CS8 29 M H VL CS8 30 H L L CS9 31 H L VL CS9 32 None L L CS10 33 M L VL CS11 38 Các giá trị dự đoán cường độ RCCP sử dụng mơ hình logic mờ (FL) đưa Hình 4.15 cho tập huấn luyện Hình 4.17 cho tập kiểm tra Và, so sánh kết dự đốn mơ hình FL kết mục tiêu thể Hình 4.16 Hình 4.18 Theo biểu đồ này, hệ số tương quan (R2) liệu huấn luyện 0,9638 hệ số tương quan (R2) liệu kiểm tra 0,835 Những kết chứng minh mơ hình FL mơ hình tiềm để dự đốn cường độ nén Hình 4.15 Các giá trị dự đốn theo mơ hình FL giá trị đích tập huấn luyện Hình 4.16 Mối quan hệ giá trị dự đốn theo mơ hình FL giá trị đích tập huấn luyện 39 Hình 4.17 Các giá trị dự đốn theo mơ hình FL giá trị đích tập kiểm tra Hình 4.18 Mối quan hệ giá trị dự đốn theo mơ hình FL giá trị đích tập huấn luyện Hình 4.19 cho thấy mối quan hệ kết thí nghiệm cường độ cường độ dự đoán mơ hình MRA, ANN FL nghiên cứu Rõ ràng mơ hình MRA hiệu mơ hình ANN FL mặt dự đốn cường độ nén RCCP Bên cạnh đó, mơ hình FL nghiên cứu cho thấy tính thân thiện Các kết dự đoán thu dễ dàng cách sử dụng biến đầu vào, cụ thể hàm lượng tro bay, hàm lượng xỉ thép EAF tuổi mẫu Ngồi ra, mơ hình FL có cấu trúc linh hoạt, mơ hình FL áp dụng để dự đoán cường độ nén loại RCCP khác 40 cách thay đổi chức thành viên tham số đầu vào Hơn nữa, độ tin cậy giá trị dự đoán cải thiện cách tăng quy tắc mờ Do đó, mơ hình FL đề xuất mơ hình tốt tính thân thiện hiệu Hình 4.19 So sánh giá trị dự đốn cường độ nén mơ hình MRA, ANN FL 41 CHƢƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ 5.1 Kết luận (1) Căn hệ số xác định R2, mơ hình MRA mơ hình tin cậy mặt dự đoán cường độ nén RCCP so với mơ hình ANN FL (2) Các mơ hình ANN FL tạo kết đáng tin cậy việc dự đoán sức mạnh RCCP chế tạo từ cốt liệu xỉ thép EAF tro bay Các giá trị dự đốn với có sai số nhỏ Hiệu suất mơ hình FL tốt mơ hình ANN (3) Mơ hình FL đưa giá trị dự đoán thỏa đáng với với ba biến đầu vào, cụ thể hàm lượng tro bay, hàm lượng xỉ thép EAF tuổi mẫu với ba mươi ba quy tắc mờ Do đó, FL mơ hình thân thiện hiệu viêc dự báo cường độ cho bê tông đầm lăn 5.2 Kiến nghị (1) Mở rộng tập số liệu bê tông đầm lăn để đánh giá hiệu mơ hình đề xuất đề xuất nghiên cứu (2) Xây dựng mơ hình MRA, ANN FL loại bê tông đầm lăn chế tạo từ loại cốt liệu khác 42 TÀI LIỆU THAM KHẢO [1] G Adegoloye, A L Beaucour, S Ortola, and A Noumowé, ―Concretes made of EAF slag and AOD slag aggregates from stainless steel process: Mechanical properties and durability,‖ Constr Build Mater., vol 76, pp 313–321, 2015 [2] J M Manso, J A Polanco, M Losañez, and J J González, ―Durability of concrete made with EAF slag as aggregate,‖ Cem Concr Compos., vol 28, no 6, pp 528–534, 2006 [3] S Monosi, M L Ruello, and D Sani, ―Electric arc furnace slag as natural aggregate replacement in concrete production,‖ Cem Concr Compos., vol 66, pp 66–72, 2016 [4] C Pellegrino and V Gaddo, ―Mechanical and durability characteristics of concrete containing EAF slag as aggregate,‖ Cem Concr Compos., vol 31, no 9, pp 663– 671, 2009 [5] S I Abu-Eishah, A S El-Dieb, and M S Bedir, ―Performance of concrete mixtures made with electric arc furnace (EAF) steel slag aggregate produced in the Arabian Gulf region,‖ Constr Build Mater., vol 34, pp 249–256, 2012 [6] W Yeih, T C Fu, J J Chang, and R Huang, ―Properties of pervious concrete made with air-cooling electric arc furnace slag as aggregates,‖ Constr Build Mater., vol 93, pp 737–745, 2015 [7] F Faleschini, M Alejandro Fernandez-Ruiz, M A Zanini, K Brunelli, C Pellegrino, and E Hernandez-Montes, ―High performance concrete with electric arc furnace slag as aggregate: Mechanical and durability properties,‖ Constr Build Mater., vol 101, pp 113–121, 2015 [8] I Papayianni and E Anastasiou, ―Production of high-strength concrete using high volume of industrial by-products,‖ Constr Build Mater., vol 24, no 8, pp 1412– 1417, 2010 [9] A Santamaría, A Orbe, M M Losañez, M Skaf, V Ortega-Lopez, and J J González, ―Self-compacting concrete incorporating electric arc-furnace 43 steelmaking slag as aggregate,‖ Mater Des., vol 115, pp 179–193, 2017 [10] N Palankar, A U Ravi Shankar, and B M Mithun, ―Durability studies on ecofriendly concrete mixes incorporating steel slag as coarse aggregates,‖ J Clean Prod., vol 129, pp 437–448, 2016 [11] M N T Lam, S Jaritngam, and D H Le, ―Roller-compacted concrete pavement made of Electric Arc Furnace slag aggregate: Mix design and mechanical properties,‖ Constr Build Mater., vol 154, pp 482–495, 2017 [12] S K Rao, P Sravana, and T C Rao, ―Investigating the effect of M-sand on abrasion resistance of Roller Compacted Concrete containing GGBS,‖ Constr Build Mater., vol 122, pp 191–201, 2016 [13] A Yerramala and K Ganesh Babu, ―Transport properties of high volume fly ash roller compacted concrete,‖ Cem Concr Compos., vol 33, no 10, pp 1057–1062, 2011 [14] ACI Committe 325, ―ACI 325.10R-95 Report on Roller-Compacted Concrete Pavements,‖ vol 95, no Reapproved, pp 1–32, 2001 [15] Y Ketema, P E T Quezon, and G Kebede, ―Cost and Benefit Analysis of Rigid and Flexible Pavement: A Case Study at Chancho –Derba-Becho Road Project,‖ Int J Sci Eng Res., vol 7, no 10, pp 181–188, 2016 [16] D Harrington, F Abdo, W Adaska, and C Hazaree, ―Guide for RollerCompacted Concrete Pavements,‖ Inst Transp Iowa state univerisity, no August, p 104, 2010 [17] N D Thao and L X Le, ―RESEARCH OF ASPHALT PAVEMENT RUTTING ON NATIONAL ROADS IN RESEARCH OF ASPHALT PAVEMENT RUTTING ON NATIONAL ROADS IN VIETNAM Paper identification number : AYRF2016-012,‖ ResearchGate, no August, 2016 [18] American Concrete Pavement Association, ―Roller-Compacted Concrete Pavements as Exposed Wearing Surface,‖ pp 1–29, 2014 [19] ASTM D 1557-12, ―Standard Test Methods for Laboratory Compaction Characteristics of Soil Using Modified Effort ( 56,000 ft-lbf / ft ( 2,700 kN-m 44 /m3 )).‖ [20] A Sekaran, M Palaniswamy, and S Balaraju, ―A Study on Suitability of EAF Oxidizing Slag in Concrete: An Eco-Friendly and Sustainable Replacement for Natural Coarse Aggregate,‖ Sci World J., vol 2015, 2015 [21] ASA-Australasian Slag Association, ―A guide to the use of iron and steel slag in roads,‖ 2002 [22] I Arribas, A Santamaría, E Ruiz, V Ortega-López, and J M Manso, ―Electric arc furnace slag and its use in hydraulic concrete,‖ Constr Build Mater., vol 90, pp 68–79, 2015 [23] F Faleschini, K Brunelli, M A Zanini, M Dabalà, and C Pellegrino, ―Electric Arc Furnace Slag as Coarse Recycled Aggregate for Concrete Production,‖ J Sustain Metall., no November, pp 44–50, 2015 [24] M Ameri, S Hesami, and H Goli, ―Laboratory evaluation of warm mix asphalt mixtures containing electric arc furnace (EAF) steel slag,‖ Constr Build Mater., vol 49, pp 611–617, 2013 [25] M Pasetto and N Baldo, ―Mix design and performance analysis of asphalt concretes with electric arc furnace slag,‖ Constr Build Mater., vol 25, no 8, pp 3458–3468, 2011 [26] D F Lin, L H Chou, Y K Wang, and H L Luo, ―Performance evaluation of asphalt concrete test road partially paved with industrial waste - Basic oxygen furnace slag,‖ Constr Build Mater., vol 78, pp 315–323, 2015 [27] G Singh and R Siddique, ―Strength properties and micro-structural analysis of self-compacting concrete made with iron slag as partial replacement of fine aggregates,‖ Constr Build Mater., vol 127, pp 144–152, 2016 [28] Q Wang, P Yan, J Yang, and B Zhang, ―Influence of steel slag on mechanical properties and durability of concrete,‖ Constr Build Mater., vol 47, pp 1414– 1420, 2013 [29] Y N Sheen, D H Le, and T H Sun, ―Greener self-compacting concrete using stainless steel reducing slag,‖ Constr Build Mater., vol 82, pp 341–350, 2015 45 [30] W S Mcculloch and W Pitts, ―A logical calculus of the ideas immanent in nervous activity,‖ Bull Math Biophys., vol 5, pp 115–133, 1943 [31] N N Kiên, T V Địch, V T Thắng, and N T Hiếu, ―Phương pháp mạng nơ ron nhân tạo tiến hóa nhân tạo xác định chế độ cắt tối ưu phay CNC.pdf,‖ Tạp chí Khoa học Cơng nghệ, vol 51, no 2, pp 259–265, 2013 [32] L V Nghinh, H T Tùng, and N N Hải, ―Nghiên cứu ứng dụng mạng nơ ron thần kinh vào dự báo lũ sơng tỉnh Bình Định Quảng Trị,‖ Tạp chí Khoa học kỹ thuật Thủy lợi mơi trường, vol 14, pp 1–9, 2006 [33] P H Luân and P T Giang, ―Nghiên cứu ứng dụng mạng nơ ron nhân tạo hỗ trợ công tác chọn thầu thi công theo qui trình đấu thầu VN,‖ Tạp chí Phát triển KH&CN, vol 7, no 9, pp 15–24, 2006 [34] P T H Nhung and H Q Thụy, ―Nghiên cứu sử dụng mạng nơ ron nhân tạo dự báo lưu lượng nước đến hồ Hịa Bình trước mười ngày,‖ Tạp chí Khoa học kỹ thuật Thủy lợi mơi trường, vol 27, pp 1–8, 2009 [35] N Q Long, ―Đánh giá khả ứng dụng mạng nơ ron nhân tạo dự báo lún bề mặt mỏ khai thác hầm lị,‖ Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất, vol 55, pp 79–88, 2016 [36] X Wang and K Park, ―Analysis of compressive strength development of concrete containing high volume fly ash,‖ Constr Build Mater., vol 98, pp 810–819, 2015 [37] A Karimpour, ―Effect of time span between mixing and compacting on roller compacted concrete (RCC) containing ground granulated blast furnace slag (GGBFS),‖ Constr Build Mater., vol 24, no 11, pp 2079–2083, 2010 [38] P Dinakar, K P Sethy, and U C Sahoo, ―Design of self-compacting concrete with ground granulated blast furnace slag,‖ Mater Des., vol 43, pp 161–169, 2013 [39] A Modarres and Z Hosseini, ―Mechanical properties of roller compacted concrete containing rice husk ash with original and recycled asphalt pavement material,‖ Mater Des., vol 64, pp 227–236, 2014 46 [40] D Sensale, ―Strength development of concrete with rice-husk ash,‖ vol 28, pp 158–160, 2006 [41] ACI-Committee:209, Guide for Modeling and Calculating Shrinkage and Creep in Hardened Concrete, vol 4, no Reapproved 1995 [42] S Chithra, S R R S Kumar, K Chinnaraju, and F Alfin Ashmita, ―A comparative study on the compressive strength prediction models for High Performance Concrete containing nano silica and copper slag using regression analysis and Artificial Neural Networks,‖ Constr Build Mater., vol 114, pp 528– 535, 2016 [43] A Sadrmomtazi, J Sobhani, and M A Mirgozar, ―Modeling compressive strength of EPS lightweight concrete using regression, neural network and ANFIS,‖ Constr Build Mater., vol 42, pp 205–216, 2013 [44] J Sobhani, M Najimi, A R Pourkhorshidi, and T Parhizkar, ―Prediction of the compressive strength of no-slump concrete: A comparative study of regression, neural network and ANFIS models,‖ Constr Build Mater., vol 24, no 5, pp 709– 718, 2010 [45] N Deshpande, S Londhe, and S Kulkarni, ―Modeling compressive strength of recycled aggregate concrete by Artificial Neural Network, Model Tree and Nonlinear Regression,‖ Int J Sustain Built Environ., vol 3, no 2, pp 187–198, 2014 [46] M Saridemir, I B Topỗu, F ệzcan, and M H Severcan, ―Prediction of long-term effects of GGBFS on compressive strength of concrete by artificial neural networks and fuzzy logic,‖ Constr Build Mater., vol 23, no 3, pp 1279–1286, 2009 [47] G Tayfur, T K Erdem, K Önder, and D Ph, ―Strength Prediction of HighStrength Concrete by Fuzzy Logic and Artificial Neural Networks,‖ J Mater Civ Eng., pp 1–7, 2014 [48] I B Topỗu and M Saridemir, Prediction of compressive strength of concrete containing fly ash using artificial neural networks and fuzzy logic,‖ Comput Mater Sci., vol 41, no 3, pp 305–311, 2008 47 [49] C Bilim, C D Atiş, H Tanyildizi, and O Karahan, ―Predicting the compressive strength of ground granulated blast furnace slag concrete using artificial neural network,‖ Adv Eng Softw., vol 40, no 5, pp 334–340, 2009 [50] R Siddique, P Aggarwal, and Y Aggarwal, ―Prediction of compressive strength of self-compacting concrete containing bottom ash using artificial neural networks,‖ Adv Eng Softw., vol 42, no 10, pp 780–786, 2011 [51] ASTM C150-07, ―Standard Specification for Portland Cement.‖ [52] ASTM C1435/C1435M-08, ―Standard Practice for Molding Roller-Compacted Concrete in Cylinder Molds Using a Vibrating Hammer.‖ [53] ASTM C39/C39M-14, ―Standard Test Method for Compressive Strength of Cylindrical Concrete Specimens.‖ [54] M T Hagan and M B Menhaj, ―Training Feedforward Networks with the Marquardt Algorithm,‖ IEEE Trans Neural Networks, vol 5, no 6, pp 2–6, 1994 [55] L A Zadeh, ―Fuzzy Sets,‖ Inf Control 8, vol 353, pp 338–353, 1965 [56] F Demir, ―A new way of prediction elastic modulus of normal and high strength concrete — fuzzy logic,‖ Cem Concr Res., vol 35, pp 1531–1538, 2005 [57] M Saridemir, ―Predicting the compressive strength of mortars containing metakaolin by artificial neural networks and fuzzy logic,‖ Adv Eng Softw., vol 40, no 9, pp 920–927, 2009 [58] C Basyigit, I Akkurt, S Kilincarslan, and A Beycioglu, ―Prediction of compressive strength of heavyweight concrete by ANN and FL models,‖ Neural Com, vol 19, pp 507–513, 2010 [59] H Bohlooli, A Nazari, G Khalaj, M Mehdi, and S Riahi, ―Experimental investigations and fuzzy logic modeling of compressive strength of geopolymers with seeded fly ash and rice husk bark ash,‖ Compos Part B, vol 43, no 3, pp 1293–1301, 2012 [60] N K Kasabov, Foundations of neural networks, fuzzy systems, and knowledge engineering 1996 48 [61] M N Lam, D Le, and S Jaritngam, ―Compressive strength and durability properties of roller-compacted concrete pavement containing electric arc furnace slag aggregate and fly,‖ Constr Build Mater., vol 191, pp 912–922, 2018 [62] C Cao, W Sun, and H Qin, ―The analysis on strength and fly ash effect of rollercompacted concrete with high volume fly ash,‖ Cem Concr Res., vol 30, no 1, pp 71–75, 2000 49 ... Xây dựng mơ hình dự báo cường độ nén bê tông đầm lăn sử dụng cốt liệu xỉ thép EAF tro bay mạng nơ- ron nhân tạo 1.3 Đối tƣợng phạm vi nghiên cứu 1.3.1 Đối tượng nghiên cứu Bê tông đầm lăn chế tạo. .. Việt Nam ứng dụng mạng nơ ron nhân tạo để dự đốn cường độ nén bê tơng 11 2.5.2 Ngồi nước Việc sử dụng xỉ thép để thay thể cốt liệu tự nhiên tro bay để thay phần xi măng bê tông đầm lăn giải pháp... việc dự báo cường độ bê tông Ozcan cộng [46] chứng minh mạng nơ ron nhân tạo logic mờ dự đốn cường độ dài hạn bê tông chứa silica fume Cường độ bê tơng cường độ cao dự đốn mơ hình nơ ron nhân tạo