Nghiên cứu áp dụng mô hình LGBM trong dự báo khối lượng thể tích khô lớn nhất của đất sử dụng trong đầm nén nền đường

Tóm tắt

Trong xây dựng nền đường, xác định chính xác khối lượng thể tích khô lớn nhất (MDD) của đất đắp đóng vai trò then chốt nhằm đảm bảo chất lượng công trình. Nghiên cứu đề xuất ứng dụng thuật toán Light Gradient Boosting Machine (LGBM) để dự báo MDD dựa trên các thông số cơ lý của đất. Dữ liệu sử dụng gồm 214 mẫu đất thu thập từ dự án xây dựng đường cao tốc Vân Đồn – Móng Cái, Việt Nam với các tham số đầu vào bao gồm: hàm lượng sỏi (G), hàm lượng cát thô (CS), hàm lượng cát mịn (FS), hàm lượng bụi sét (SC), hàm lượng hữu cơ (O), giới hạn chảy (LL), giới hạn dẻo (PL), chỉ số dẻo (PI) và MDD là tham số đầu ra. Các chỉ số đánh giá định lượng như R², RMSE, MAE được sử dụng để đánh giá hiệu suất của mô hình. Kết quả đánh giá cho thấy mô hình đạt hiệu suất dự báo tốt với các chỉ số trên tập huấn luyện gồm: R² = 0.941, RMSE = 0.028, MAE = 0.020 và trên tập kiểm chứng các chỉ số tương ứng là: R² = 0.771, RMSE = 0.059, MAE = 0.048. Đồng thời, các phương pháp giải thích mô hình như SHAP và biểu đồ phụ thuộc từng phần (PDP) cho thấy các yếu tố như hàm lượng sỏi và cát thô góp phần làm tăng MDD, trong khi các yếu tố khác lại làm giảm giá trị. Kết quả nghiên cứu có ý nghĩa trong việc tiếp cận phương pháp hiệu quả dựa trên LGBM trong dự báo nhanh, chính xác giá trị MDD phục vụ tính toán và thiết kế nền đường.