Ở Việt Nam, các thành tựu của cuộc cách mạng công nghiệp 4.0 như các kỹ thuật trí tuệ nhân tạo đã và đang được quan tâm và ứng dụng trong nhiều lĩnh vực khác nhau như trong lĩnh vực ô tô điều khiển học bởi việc phát triển các hệ thống tự hành sử dụng các kỹ thuật trí tuệ nhân tạo. Ngoài ra, các kỹ thuật trí tuệ nhân tạo cũng đang được quan tâm trong các dự án phát triển hệ thống giao thông thông minh (ITS), các thành phố thông minh (Smart City). Tuy nhiên, các dự án này mới chỉ đang ở giai đoạn đầu của việc nghiên cứu và triển khai.

Đối với lĩnh vực Địa môi trường và xây dựng công trình, các kỹ thuật trí tuệ nhân tạo cũng bắt đầu được quan tâm. Ở Việt Nam, trí tuệ nhân tạo đã và đang được quan tâm và phát triển ở một số lĩnh vực. Tuy nhiên, ứng dụng của trí tuệ nhân tạo trong việc giải quyết các bài toàn địa kỹ thuật còn rất hạn chế. Vì vậy, việc tiến hành nghiên cứu dự báo các thông số đặc biệt quan trọng của đất yếu và không thể thiếu phục vụ phân tích ổn định công trình đường đắp trên đất yếu khi thiết kế cũng như kiểm tra thi công là hệ số kết (Cv) và chỉ số nén (Cc) của đất nền yếu bằng phương pháp mới với độ tin cậy cao là ý nghĩa khoa học và thực tiễn rõ rệt.

Nhằm nghiên cứu xác định tổ hợp các tham số tự nhiên, môi trường và địa kỹ thuật ảnh đến các tham số địa môi trường (hệ số cố kết Cv và chỉ số nén Cc) của đất nền khu vực nghiên cứu; Ứng dụng các kỹ thuật trí tuệ nhân tạo trong dự báo hệ số cố kết Cv của đất nền khu vực nghiên cứu; Ứng dụng các kỹ thuật trí tuệ nhân tạo trong dự báo chỉ số nén Cc của đất nền khu vực nghiên cứu; Đánh giá và lựa chọn mô hình tối ưu (SVM, ANN hay ANFIS) trong việc dự báo các tham số hệ số cố kết Cv và chỉ số nén Cc; Xây dựng dự thảo hướng dẫn việc áp dụng các kỹ thuật trí tuệ nhân tạo trong dự báo các tham số địa môi trường phục vụ thiết kế thi công công trình giao thông, nhóm đề tài do TS. Phạm Thái Bình, Trường Đại học Công nghệ Giao thông vận tải đứng đầu đã thực hiện đề tài: “Ứng dụng kỹ thuật tiên tiến trí tuệ nhân tạo của cuộc cách mạng công nghiệp 4.0 trong dự báo biến đổi địa môi trường khi xây dựng tuyến đường cao tốc ven biển đoạn Hải Phòng - Ninh Bình”.

Mặc dù trí tuệ nhân tạo đã và đang trở thành một cách tiếp cận ưu việt trong việc giải quyết các bài toán phức tạp, các phương pháp này còn rất hạn chế được áp dụng trong việc giải quyết các bài toán địa kỹ thuật ở Việt Nam. Theo khảo sát của nhóm nghiên cứu, hiện chưa có một nghiên cứu nào, tính đến thời điểm đề tài của nhóm nghiên cứu thực hiện, được hoàn thành sử dụng cách tiếp cận này trong việc dự báo các tham số Cv và Cc ở Việt Nam. Vì vậy, vấn đề nghiên cứu của đề tài do nhóm thực hiện là mới, có thể mở ra một hướng nghiên cứu mới trong việc giải quyết các bài toán địa kỹ thuật cho các công trình xây dựng ở Việt Nam.

Sau một thời gian triển khai thực hiện, đề tài đưa ra các kết luận sau:

Các tham số địa kỹ thuật như hệ số cố kết Cv và chỉ số nén Cc của đất nền đường là các tham số rất quan trọng, được sử dụng nhiều trong các bài toán phân tích và kiểm toán ổn định của công trình. Để xác định các tham số này, các thí nghiệm trong phòng như thí nghiệm nén đất một chiều, thường được tiến hành với các mẫu đất nguyên trạng hoặc chế bị được thu thập tại hiện trường khu vực xây dựng. Tuy nhiên, các thí nghiệm này đòi hỏi tay nghề của các thí nghiệm viên, và tốn nhiều thời gian và chi phí. Vì vậy, cũng có nhiều nghiên cứu đã được tiến hành nhằm xác định mối tương quan của các hệ số Cv và Cv với các tham số đơn giản khác của đất để xác định gần đúng và nhanh các tham số này, thay vì phải tiến hành thí nghiệm một cách trực tiếp. Cách tiếp cận này về cơ bản đã đưa ra được các hàm tương quan để xác định các chỉ số Cv và Cc, tuy nhiên, các hàm này chỉ xét đến mối liên hệ giữa Cc và Cv với một hoặc hai tham số có liên quan, với bài toán nhiều tham số, hàm tương quan sẽ rất phức tạp và khó đạt được độ chính xác như mong muốn. Vì vậy, phát triển và áp dụng cách cách tiếp cận tiên tiến hơn để dự báo các tham số này là một yêu cầu cần thiết.

Trong đề tài này, nhóm nghiên cứu đã tiến hành phát triển và áp dụng các kỹ thuật tiên tiến trí tuệ nhân tạo (SVM, ANN, và ANFIS), là cách tiếp cận mới và có triển 17 vọng trong việc dự báo và giải quyết các vấn đề thực tiễn cuộc sống, trong việc dự báo các tham số Cv và Cc. Kết quả dự báo của các mô hình trí tuệ nhân tạo này cho thấy rằng, năng lực dự báo của các mô hình SVM, ANN và ANFIS là rất tốt, trong đó mô hình SVM là mô hình có năng lực dự báo tốt hơn so với hai mô hình còn lại. Vì vậy, có thể kết luận rằng, các mô hình trí tuệ nhân tạo là các mô hình có khả năng dự báo chính xác các tham số đặc trưng của đất như Cv và Cc trong đó mô hình SVM là mô hình có tiềm năng và năng lực dự báo tốt nhất, có thể được lựa chọn để áp dụng phát triển và giải quyết các bài toán dự báo các tham số khác của đất.

Một trong những vấn đề khi áp dụng các kỹ thuật trí tuệ nhân tạo trong các bài toán dự báo các chỉ số của đất là việc lựa chọn các tham số đầu vào cần phải được lựa chọn một cách phù hợp và hợp lý nhất, vì năng lực dự báo của các mô hình trí tuệ nhân tạo phụ thuộc rất lớn và dữ liệu đầu vào được sử dụng để mô hình hóa bài toán dự báo. Trong nghiên cứu này, một số phương pháp đã được áp dụng một cách hiệu quả trong việc xử lý trước thông tin và lựa chọn các tham số quan trọng cho bài toán mô hình dự báo như phương pháp ma trân hệ số, phân tích thành phần chủ yếu.

Từ các kết quả nghiên cứu của đề tài, có thể thấy được rằng, việc phát triển và áp dụng các kỹ thuật trí tuệ nhân tạo trong dự báo các chỉ tiêu Cv và Cc của đất nền đường là có tiềm năng, và kiến nghị áp dụng các kỹ thuật này trong việc dự báo các tham số khác của đất như các chỉ tiêu liên quan đến sức chống cắt của đất được thí nghiệm trong phòng và ngoài hiện trường, các chỉ tiêu quan trắc lún của bài toán dự báo lún của nền đường.

Nhóm tác giả cũng kiến nghị rằng, để phát triển các bài toán dự báo sử dụng các kỹ thuật trí tuệ nhân tạo thì cần thêm nhiều các số liệu tin cậy để bổ sung vào cơ sở dữ liệu dùng cho bài toán dự báo để tăng độ chính xác và tin cậy của mô hình dự báo. Kết quả nghiên cứu của đề tài có thể làm cơ sở để phát triển các công cụ phần mềm để dự báo nhanh các chỉ số của đất tiết kiệm các chi phí tiến hành thí nghiệm và làm giảm giá thành xây dựng các công trình giao thông.

Có thể tìm đọc toàn văn Báo cáo kết quả nghiên cứu của Đề tài (Mã số 16908/2019) tại Cục Thông tin Khoa học và Công nghệ Quốc gia.

P.T.T (NASATI)