Ở Việt Nam, vài năm trở lại đất, các kỹ thuật trí tuệ nhân tạo trong đó có các mô hình học máy cũng bắt đầu được quan tâm và áp dụng để giải quyết các bài toán trong thực tế cuộc sống, nhưng chủ yếu trong lĩnh vực tự động hóa, xử lý hình ảnh, hóa học, vật lý và khoa học máy tính. Tuy nhiên, theo như khảo sát của nhóm nghiên cứu, về lĩnh vực địa kỹ thuật xây dựng nói riêng ứng dụng học máy còn rất hạn chế và ít công bố. Các kỹ thuật trí tuệ nhân tạo, điển hình là học máy rất có triển vọng trong việc phân tích và giải quyết các vấn đề liên quan đến địa kỹ thuật xây dựng cũng như lĩnh vực kỹ thuật xây dựng công trình.

Cũng như tất các các lĩnh vực tính toán khác, trong phân tích địa kỹ thuật hiện nay được hỗ trợ bằng các phần mềm và công cụ tính toán rất hiệu quả và chính xác. Tuy nhiên, độ tin cậy các kết quả tính toán này phụ thuộc chủ yếu vào độ tin cậy của các thông số đầu vào sử dụng tính toán, trong đó có sức chống cắt của đất nền. Chính vì vậy, việc kiểm soát được độ chính xác các tham số sức chống cắt của đất sử dụng để tính toán ổn định công trình nói chung, đóng vai trò quan trọng để giảm giá thành và đồng thời giảm thiểu sự cố hay rủi ro phát sinh khi xây dựng công trình, đặc biệt với các tuyến đường giao thông.

Trên thế giới và ở Việt Nam điển hình là các kỹ thuật trí tuệ nhân tạo đã và đang được áp dụng để giải quyết các bài toán về địa kỹ thuật nói chung và dự báo các tham số của đất nói riêng phục vụ xây dựng công trình với nhiều kết quả thu được có tính vượt trội, đặc biệt có độ chính xác trong dự báo cao. Vì vậy, việc tiến hành nghiên cứu dự báo thông số đất nền quan trọng như các tham số sức chống cắt của đất bằng phương pháp mới với độ tin cậy cao như học máy không chỉ có ý nghĩa khoa học mà còn có giá trị thực tiễn cao. Đó là lý do nhóm nghiên cứu tại Trường Đại học Công nghệ Giao thông vận tải do TS. Phạm Thái Bình dẫn đầu đã thực hiện đề tài: “Xây dựng cơ sở dữ liệu lớn và phát triển các mô hình học máy kết hợp với các kỹ thuật tối ưu hóa trong việc dự báo các tham số sức chống cắt của đất phục vụ xây dựng công trình giao thông” từ năm 2019 đến năm 2021.

Đề tài hướng thực hiện các mục tiêu sau: bước đầu xây dựng cơ sở dữ liệu lớn về tham số sức chống cắt của đất, mà cụ thể là cường độ lực dính (c) và góc ma sát trong của đất (j) sử dụng trong xây dựng đường giao thông; xây dựng và đánh giá độ chính xác các thuật toán trí tuệ nhân tạo kết hợp với tối ưu hóa cho dự báo các tham số sức chống cắt của đất nền đường; và xây dựng dự thảo quy trình áp dụng các thuật toán trí tuệ nhân tạo trong dự báo tham số sức chống cắt của đất nền đường.

Trong nghiên cứu này, các mô hình thuật toán trí tuệ nhân tạo (ANFIS, ANFIS - PSO, và ANFIS - GA) đã được sử dụng để dự báo nhanh và chính xác các giá trị của các tham số sức chống cắt của đất nền. Trong đó, các kỹ thuật PSO và GA được sử dụng để tối ưu hóa các trọng số và sai số của mô hình dự báo ANFIS. Để thực hiện mục tiêu này, có tổng cộng 1252 mẫu thí nghiệm được thu thập và thí nghiệm từ các dự án lớn khác nhau của Việt Nam được sử dụng để xây dựng cơ sở dữ liệu cho mô hình 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 của nghiên cứu cho thấy rằng:

1.1. Cả ba mô hình ANFIS, ANFIS - PSO và ANFIS - GA có năng lực dự báo tốt (R > 0.75) cho bài toán dự báo cường độ lực dính của đất nền. Trong đó, mô hình ANFIS - PSO được đánh giá là mô hình có độ chính xác cao hơn so với hai mô hình còn lại (ANFIS - GA và ANFIS).

1.2. Cả ba mô hình ANFIS, ANFIS - PSO và ANFIS - GA có năng lực dự báo rất tốt (R > 0.9) cho bài toán dự báo hệ số ma sát trong của đất nền. Trong đó, mô hình ANFIS - PSO được đánh giá là mô hình có độ chính xác cao hơn so với hai mô hình còn lại (ANFIS - GA và ANFIS).

1.3. Các kỹ thuật tối ưu hóa PSO và GA được đánh giá có thể cải thiện đáng kể độ chính xác của các mô hình trí tuệ nhân tạo như ANFIS trong dự báo các tham số sức chống cắt của đất. Trong đó, kỹ thuật PSO có hiệu quả tốt hơn GA trong việc cải thiện năng lực dự báo của mô hình ANFIS.

Kết quả nghiên cứu có thể giúp ích cho việc dự báo nhanh và chính xác các giá trị tham số sức chống cắt của đất nền phục vụ công tác thiết kế và thi công công trình, giảm thiểu được chi phí và thời gian tiến hành thí nghiệm.

Có thể tìm đọc toàn văn Báo cáo kết quả nghiên cứu (mã số 19664/2021) tại Cục Thông tin khoa học và công nghệ quốc gia.

N.P.D (NASATI)