Phương pháp tiếp cận trí tuệ nhân tạo để dự báo độ kim lún và điểm hóa mềm của nhựa đường biến tính graphen oxit

Tóm tắt

Độ kim lún và điểm hóa mềm là hai chỉ tiêu quan trọng nhất để phân loại mác nhựa đường theo độ kim lún truyền thống. Việc xác định 2 chỉ tiêu này của nhựa đường biến tính graphen oxit (GO) bằng phương pháp thực nghiệm gặp những khó khăn nhất định do giá thành GO cao, thời gian thí nghiệm kéo dài. Mục đích của nghiên cứu này là sử dụng hệ thống suy luận thần kinh mờ thích ứng (ANFIS) kết hợp thuật toán giải thuật di truyền (GA) để dự đoán độ kim lún và điểm hóa mềm của nhựa đường biến tính GO. Hai bộ dữ liệu bao gồm bộ dữ liệu độ kim lún (122 mẫu), bộ dữ liệu điểm hóa mềm (130 mẫu) được thu thập từ 12 nghiên cứu khác nhau với 9 tham số đầu vào, được dùng để xây dựng và kiểm chứng công cụ mô phỏng số. Ngoài ra, nghiên cứu sử dụng kỹ thuật xác thực chéo 10 lần cùng với các tiêu chí thống kê là hệ số tương quan (R) và căn của sai số toàn phương trung bình (RMSE) để đánh giá hiệu suất của các mô hình. Kết quả nghiên cứu cho thấy, đối với bộ dữ liệu độ kim lún, mô hình ANFIS-GA có RMSE = 6.045 (0.1 mm), R = 0.949, mô hình ANFIS có RMSE = 8.492 (0.1 mm), R = 0.893. Đối với bộ dữ liệu hóa mềm, mô hình ANFIS-GA có RMSE = 1.848 (^oC), R = 0.991, mô hình ANFIS có RMSE = 13.863 (^oC), R = 0.818. Điều này cho thấy, cả hai mô hình ANFIS-GA và ANFIS đều đạt hiệu suất dự đoán tốt và độ chính xác cao. Với RMSE nhỏ hơn và R cao hơn ở cả 2 bộ dữ liệu, mô hình ANFIS-GA được đánh giá là tốt hơn ANFIS. Mô hình này hoàn toàn có thể được áp dụng để giúp các kỹ sư vật liệu tiết kiệm thời gian và chi phí thí nghiệm.