Bài báo khoa học

Mác bê tông được thiết kế dựa trên chức năng của kết cấu bê tông và công dụng của nó các điều kiện. Tuy nhiên, việc đánh giá chính xác mác bê tông là một nhiệm vụ đầy thách thức do mối quan hệ phi tuyến tính giữa các vật liệu cấu thành. Bài viết này điều tra hiệu suất của một số các phương pháp học máy (ML), bao gồm Naïve Bayes, K-Hàng xóm gần nhất, Cây quyết định, Rừng ngẫu nhiên và XGBoost, để phân loại các loại bê tông. Một cơ sở dữ liệu của bê tông có sẵn trong tài liệu được sử dụng để phát triển các mô hình ML. Kết quả của các mô hình ML được đánh giá và so sánh để chọn mô hình ML tốt nhất để phân loại các loại bê tông. Mô hình XGBoost vượt trội so với các mô hình khác với độ chính xác lần lượt là 100% và 92% cho tập huấn luyện và kiểm tra. Như một Kết quả là, mô hình XGBoost được phát triển có thể tiết kiệm thời gian và chi phí để phân loại các loại bê tông mà không cần Tiến hành lấy mẫu bê tông nào.