Kết cấu ống thép nhồi bê tông (CFST) có nhiều lợi thế so với kết cấu thông thường làm bằng thép hoặc bê tông cốt thép nên hiện nay đang được sử dụng rộng rãi trong lĩnh vực xây dựng công trình. Khả năng chịu lực dọc trục (Pu) của CFST là một trong những tính chất cơ học quan trọng nhất và phụ thuộc vào nhiều yếu tố như thuộc tính của vật liệu, kích thước hình học mặt cắt. Trong nghiên cứu này, mô hình mạng Nơ-Ron lan truyền ngược (BPNN) với việc sử dụng thuật toán Levenberg - Marquardt được sử dụng để dự đoán sức chịu tải tới hạn (Pu) của cột CFST hình chữ nhật. Với 99 dữ liệu thử nghiệm từ các công trình đã công bố, 69 số liệu đã được chọn để huấn luyện và 30 số liệu được sử dụng để kiểm chứng mô hình BPNN. Các thông số chính được nghiên cứu trong bài viết gồm chiều cao, chiều rộng mặt cắt, độ dày của cột thép, chiều dài cột, cường độ của thép, cường độ bê tông đã được đề cập để dự đoán khả năng chịu lực tới hạn của cột CFST. Kết quả cho thấy mô hình ANN dự báo rất tốt với độ chính xác cao và sai số thấp (hệ số tương quan R = 0.99)

Dầm thép chữ H có bản bụng khoét lỗ tròn di động là một lựa chọn hợp lý cho các công trình xây dựng nhờ những ưu điểm vượt trội như khả năng vượt nhịp lớn, trọng lượng nhẹ và cho phép bố trí linh hoạt hệ thống đường ống kỹ thuật xuyên qua dầm. Bên cạnh đó, đã có nhiều nghiên cứu về hiện tượng mất ổn định tổng thể và cục bộ của loại dầm này, góp phần hoàn thiện thêm cho các hướng dẫn về thiết kế. Bài báo này nhằm mục đích đề xuất một mô hình dựa trên máy vectơ hỗ trợ (SVM) để dự đoán tải trọng ổn định đàn hồi của dầm thép H khoét lỗ tròn có sơ đồ tính là dầm giản đơn. Bộ dữ liệu sử dụng cho mô hình gồm 3645 số liệu dựa trên mô phỏng phần tử hữu hạn (FE) được thực hiện trong ABAQUS. Các biến độc lập được sử dụng làm đầu vào cho mô hình SVM: chiều dài dầm, chiều rộng bản cánh, chiều dày bản cánh, chiều dày bản bụng, khoảng cách tính giữa hai lỗ khoét, đường kính lỗ, chiều cao dầm và khoảng cách từ đầu dầm đến mép lỗ đầu tiên. Mô hình đề xuất cho thấy máy vectơ hỗ trợ có thể giúp việc dự đoán tải trọng ổn định đàn hồi một cách đơn giản và nhanh chóng hơn, đồng thời cũng hứa hẹn một phương pháp hiệu quả để dự đoán các loại phá hoại khác của dầm cũng như các loại dầm có các lỗ khoét khác nhau.

Việc sử dụng thanh cốt sợi polyme (FRP) để gia cố kết cấu bê tông đã nhận được rất nhiều sự quan tâm trong thời gian gần đây do các thanh FRP có độ bền kéo cao, chống ăn mòn và đặc tính không từ tính tốt. Tuy nhiên, các đặc tính vật liệu của FRP có sự khác biệt đáng kể so với các đặc tính của cốt thép, đặc biệt là mô đun đàn hồi. Điều này cho thấy khả năng áp dụng các mô hình tính toán truyền thống sẽ không còn phù hợp với dầm bê tông cốt thanh FRP. Trong nghiên cứu này, một cách tiếp cận sử dụng thuật toán học máy mạng nơ-ron truyền thẳng (FNN) với kỹ thuật một bước One-step secant (OSS) đã được đề xuất để dự đoán sức kháng cắt của dầm bê tông cốt thanh FRP không có cốt thép đai. Hiệu suất của mô hình được đánh giá bằng các tiêu chí thống kê, cụ thể là hệ số tương quan (R), sai số toàn phương trung bình gốc (RMSE) và sai số tuyệt đối trung bình (MAE) với các giá trị lần lượt là 0,9963; 3,5625; 2,5837 cho tập dữ liệu đào tạo và 0,9732; 12,1796; 8,8089 cho tập dữ liệu kiểm chứng. Bên cạnh đó, nghiên cứu này sử dụng biểu đồ phụ thuộc một phần (PDP) để đánh giá mức độ quan trọng của từng thông số ảnh hưởng đến sức kháng cắt của dầm bê tông cốt thanh FRP không có cốt thép đai. Kết quả của nghiên cứu này cho thấy mô hình FNN-OSS được đề xuất có khả năng dự đoán một cách nhanh chóng và chính xác, đồng thời xem xét được các yếu tố ảnh hưởng đến sức kháng cắt của dầm bê tông cốt thanh FRP không có cốt thép đai.

Kết cấu nền – mặt đường ô tô bao gồm các lớp mặt đường và nền đất, trong đó, tác dụng chính của nền là phân bố, giảm ứng suất dọc từ trên mặt đường xuống khi chịu tác dụng của tải trọng. Để đảm bảo cường độ và ổn định của kết cấu nền – mặt đường, nền đất phải có đủ cường độ. Đặc trưng cho cường độ của đất nền là mô đun đàn hồi, là một thông số quan trọng sử dụng trong tính toán, kiểm toán kết cấu nền - mặt đường. Tuy nhiên, việc xác định mô đun đàn hồi của vật liệu đất đắp nền đường bằng các phương pháp thí nghiệm trong phòng hay thực nghiệm ngoài hiện trường như hiện nay còn công phu, thiết bị thí nghiệm cồng kềnh, tốn kém về thời gian, chi phí. Trong nghiên cứu này, mô hình mạng nơ ron nhân tạo với thuật toán One-step-secant được đề xuất để dự đoán mô đun đàn hồi của vật liệu đất nền. Cơ sở dữ liệu trong nghiên cứu gồm 418 kết quả thí nghiệm được sử dụng để phát triển mô hình mạng nơ ron nhân tạo (ANN). Kết quả cho thấy mô hình ANN là một công cụ hiệu quả trong việc dự đoán mô đun đàn hồi đất nền (RMSE=2.9401, MAE=2.3075, R2=0.9858), giúp tiết kiệm thời gian, giảm chi phí thí nghiệm. Ngoài ra, mô hình ANN còn đánh giá được mức độ ảnh hưởng của từng tham số đến mô đun đàn hồi của vật liệu đất đắp nền đường, trong đó ứng suất giới hạn là thông số quan trọng nhất.

Lĩnh vực xây dựng đang phát triển nhanh chóng trong thập kỷ qua. Các hoạt động này đòi hỏi một lượng lớn cốt liệu để xây dựng mới và cũng tạo ra một lượng lớn chất thải từ việc phá dỡ các công trình cũ. Để khắc phục điều này, bê tông cốt liệu tái chế (RAC), trong đó cốt liệu tự nhiên được thay thế bằng cốt liệu bê tông tái chế, hiện đang là một hướng nghiên cứu tiềm năng và giúp bảo tồn tài nguyên thiên nhiên, giảm thiểu tác động đến môi trường. Tuy nhiên, việc tối ưu hóa hỗn hợp RAC do thành phần khác nhau của cốt liệu tái chế và việc ước tính cường độ nén đòi hỏi các kỹ thuật mới và phức tạp. Trong nghiên cứu này, mô hình mạng nơ ron nhân tạo với thuật toán Conjugate gradient được đề xuất để dự đoán cường độ nén của RAC. Cơ sở dữ liệu RAC trong nghiên cứu này gồm 650 kết quả thí nghiệm được tổng hợp từ 69 nghiên cứu thử nghiệm. Hiệu suất của mô hình ANN được đánh giá bằng cách sử dụng các tiêu chí thống kê, cụ thể là hệ số tương quan (R), sai số toàn phương trung bình (RMSE), sai số tuyệt đối trung bình (MAE) và sai số phần trăm tuyệt đối trung bình (MAPE). Kết quả cho thấy mô hình ANN đề xuất là một công cụ dự đoán hợp lý và hữu ích cho các kỹ sư, giúp tiết kiệm thời gian, giảm thiểu các thí nghiệm tốn kém.