Tối ưu hóa vị trí tầng cứng trong nhà cao tầng sử dụng mạng thần kinh nhân tạo (ann) và giải thuật tiến hóa khác biệt (de)

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA  HOÀNG THẾ MẠNH TỐI ƯU HÓA VỊ TRÍ TẦNG CỨNG TRONG NHÀ CAO TẦNG SỬ DỤNG MẠNG THẦN KINH NHÂN TẠO ANN VÀ GIẢI THUẬT TIẾN

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC BÁCH KHOA



HOÀNG THẾ MẠNH

TỐI ƯU HÓA VỊ TRÍ TẦNG CỨNG TRONG NHÀ CAO TẦNG SỬ DỤNG MẠNG THẦN KINH NHÂN TẠO (ANN) VÀ GIẢI THUẬT TIẾN HÓA KHÁC BIỆT (DE)

Chuyên ngành : Xây dựng công trình dân dụng và công nghiệp

Mã số : 60.58.20

LUẬN VĂN THẠC SĨ

TP HỒ CHÍ MINH, tháng 01 năm 2015

CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI

TRƯỜNG ĐẠI HỌC BÁCH KHOA- ĐHQG TP HỒ CHÍ MINH

Cán bộ hướng dẫn khoa học:

Cán bộ hướng dẫn 1: PGS.TS Nguyễn Thời Trung

Cán bộ hướng dẫn 2: TS Lương Văn Hải

Cán bộ chấm nhận xét 1: TS Nguyễn Hồng Ân

Cán bộ chấm nhận xét 2: PGS.TS Lê Văn Cảnh

Luận văn thạc sĩ được bảo vệ tại Trường đại học Bách Khoa - ĐHQG Tp.HCM, ngày 23 tháng 01 năm 2015

Thành phần Hội đồng đánh giá Luận văn thạc sĩ gồm:

1 PGS.TS NGUYỄN THỊ HIỀN LƯƠNG

ĐẠI HỌC BÁCH KHOA TP.HCM

KHOA ĐÀO TẠO SAU ĐẠI HỌC

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

Độc Lập - Tự Do - Hạnh Phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Chuyên ngành: Xây dựng dân dụng và công nghiệp Mã số ngành: 60.58.20

I TÊN ĐỀ TÀI: Tối ưu hóa vị trí tầng cứng trong nhà cao tầng sử dụng

mạng thần kinh nhân tạo (ANN) và giải thuật tiến hóa khác biệt (DE)

II NHIỆM VỤ VÀ NỘI DUNG

1 Thiết lập mô hình làm việc của nhà cao tầng có bố trí tầng cứng sử dụng phần

mềm thương mại Etabs để thu thập bộ dữ liệu ứng xử của kết cấu

2 Dùng bộ dữ liệu thu thập được để thiết lập một mạng thần kinh nhân tạo (ANN)

nhằm xấp xỉ ứng xử của kết cấu thay cho phần mềm thương mại Etabs

3 Sử dụng giải thuật tối ưu tiến hóa khác biệt (DE) để giải bài toán tối ưu hóa vị trí

tầng cứng trong nhà cao tầng Từ các kết quả số, tác giả sẽ rút ra các kết luận và

kiến nghị cụ thể về vị trí tối ưu của tầng cứng trong nhà cao tầng

III NGÀY GIAO NHIỆM VỤ : 18 / 08 /2014

IV NGÀY HOÀN THÀNH NHIỆM VỤ : 22 / 12 / 2014

V HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: PGS.TS NGUYỄN THỜI TRUNG

TS LƯƠNG VĂN HẢI

Tp HCM, ngày tháng năm 2014

CÁN BỘ HƯỚNG DẪN

PGS.TS Nguyễn Thời Trung

TS Lương Văn Hải

CT HỘI ĐỒNG NGÀNH TRƯỞNG KHOA

LỜI CẢM ƠN

Luận văn thạc sĩ xây dựng công trình dân dụng và công nghiệp nằm trong hệ thống bài luận cuối khóa nhằm trang bị cho học viên cao học khả năng tự nghiên cứu, biết cách giải quyết những vấn đề cụ thể đặt ra trong thực tế xây dựng… Đó là trách nhiệm và niềm tự hào của mỗi học viên cao học

Để hoàn thành luận văn này, ngoài sự cố gắng và nỗ lực của bản thân, tôi đã nhận được sự giúp đỡ nhiều từ tập thể và các cá nhân Tôi xin ghi nhận và tỏ lòng biết ơn đến tập thể và các cá nhân đã dành cho tôi sự giúp đỡ quý báu đó

Đầu tiên tôi xin bày tỏ lòng biết ơn sâu sắc đến thầy PGS.TS Nguyễn Thời Trung Thầy đã đưa ra gợi ý đầu tiên để hình thành nên ý tưởng của đề tài và thầy góp ý cho tôi rất nhiều về cách nhận định đúng đắn trong những vấn đề nghiên cứu, cũng như cách tiếp cận nghiên cứu hiệu quả

Tôi xin bày tỏ lòng biết ơn đến thầy TS Lương Văn Hải Thầy cũng đã góp ý cho tôi rất nhiều kiến thức bổ ích trong quá trình thực hiện luận văn này

Tôi xin chân thành cảm ơn quý Thầy Cô Khoa Kỹ Thuật Xây dựng - Trường Đại Học Bách Khoa Tp.HCM đã truyền dạy những kiến thức quý giá cho tôi, đó cũng là những kiến thức không thể thiếu trên con đường nghiên cứu khoa học và sự nghiệp của tôi sau này

Tôi cũng xin gửi lời cảm ơn đến KS Lê Anh Linh, KS Hồ Hữu Vịnh đã giúp đỡ tôi rất nhiều trong quá trình thực hiện luận văn này

Luận văn thạc sĩ đã hoàn thành trong thời gian quy định với sự nỗ lực của bản thân, tuy nhiên không thể không có những thiếu sót Kính mong quý Thầy Cô chỉ dẫn thêm để tôi bổ sung những kiến thức và hoàn thiện bản thân mình hơn

Xin trân trọng cảm ơn

Tp HCM, ngày 22 tháng 12 năm 2014

Hoàng Thế Mạnh

sẽ được thiết lập bằng phần mềm thương mại Etabs để thu thập bộ dữ liệu ứng xử của kết cấu Tiếp theo, bộ dữ liệu này được sử dụng để thiết lập một mạng thần kinh nhân tạo (ANN) nhằm xấp xỉ ứng xử của kết cấu Sau đó, mạng ANN được tích hợp với giải thuật tiến hóa khác biệt (DE) để tính toán tối ưu vị trí tầng cứng trong nhà cao tầng

Bố cục của luận văn có 4 chương gồm:

 Chương 1: Giới thiệu tổng quan và đặt vấn đề

 Chương 2: Trình bày cơ sở lý thuyết của việc thiết lập mô hình trên Etabs, mạng thần kinh nhân tạo (ANN) và giải thuật tiến hóa khác biệt (DE)

 Chương 3: Trình bày kết quả số của bài toán tối ưu vị trí tầng cứng trong nhà cao tầng

 Chương 4: Kết luận về kết quả nghiên cứu và đưa ra hướng phát triển của luận văn

a model of the building with outrigger system is established using the Etabs commercial software to obtain data set of behavior of the structure Then, this data set is used to formed a Artificial Neural Network (ANN) model to approximate the behavior of structure Finally, the ANN model is embeded into Differential Evolution (DE) algorithm to find the optimum position of the outriger system in high-rise building

The thesis includes 4 chapters:

 Chapter 1: General introduction and rise issue

 Chapter 2: Theoretical foundation of Etabs model, the ANN and the DE

 Chapter 3: Numerical examples

 Chapter 4: Conclusion for the results and potential research directions for the thesis

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công việc do chính tôi thực hiện dưới sự hướng dẫn của thầy PGS.TS Nguyễn Thời Trung và TS Lương Văn Hải

Các kết quả trong luận văn là đúng sự thật và chưa được công bố ở các nghiên cứu khác

Tôi xin chịu trách nhiệm về công việc thực hiện của mình

Tp HCM, ngày 22 tháng 12 năm 2014

Hoàng Thế Mạnh

MỤC LỤC

NHIỆM VỤ LUẬN VĂN THẠC SĨ i

LỜI CẢM ƠN ii

TÓM TẮT LUẬN VĂN iii

ABSTRACT iv

LỜI CAM ĐOAN v

DANH MỤC CÁC HÌNH VẼ viii

DANH MỤC CÁC BẢNG BIỂU xi

MỘT SỐ KÝ HIỆU VIẾT TẮT xii

CHƯƠNG 1 TỔNG QUAN 1

1.1 Giới thiệu 1

1.2 Tình hình nghiên cứu và tính cấp thiết của đề tài 6

1.3 Mục tiêu và hướng nghiên cứu 9

1.4 Cấu trúc luận văn 9

CHƯƠNG 2 CƠ SỞ LÝ THUYẾT 10

2.1 Thiết lập bài toán tối ưu 10

2.2 Phân tích ứng xử nhà cao tầng sử dụng phần mềm thương mại Etabs 12

2.2.1 Phân tích ứng xử nhà cao tầng bằng phần mềm Etabs 13

2.2.2 Tải trọng 13

2.2.3 Tổ hợp tải trọng 16

2.3 Mạng thần kinh nhân tạo 18

2.3.1 Cấu trúc của một nơ-ron nhân tạo 19

2.3.2 Mô hình mạng thần kinh nhân tạo 22

2.3.3 Quá trình huấn luyện 24

2.4 Giải thuật tiến hóa khác biệt (DE) 29

2.4.1 Quá trình tạo bộ dân số ban đầu 30

2.4.2 Quá trình đột biến 31

2.4.3 Quá trình lai tạo 32

2.4.4 Quá trình lựa chọn 33

2.5 Kết hợp mô hình ANN vào giải thuật DE 33

CHƯƠNG 3 VÍ DỤ SỐ 35

3.1 Các bài toán tối ưu cho công trình 30 tầng và 60 tầng 35

3.2 Bài toán tối ưu vị trí tầng cứng cho công trình 30 tầng 37

3.2.1 Mô hình Etabs 37

3.2.2 Xây dựng mô hình ANN 44

3.2.3 Kết quả tối ưu 52

3.3 Bài toán tối ưu vị trí tầng cứng cho công trình 60 tầng 54

3.3.1 Mô hình Etabs 55

3.3.2 Xây dựng mô hình ANN 65

3.3.3 Kết quả tối ưu 76

CHƯƠNG 4 KẾT LUẬN & HƯỚNG PHÁT TRIỀN CỦA ĐỀ TÀI 79

4.1 Kết luận 79

4.2 Hướng phát triển của đề tài 80

TÀI LIỆU THAM KHẢO 81

LÝ LỊCH TRÍCH NGANG 84

DANH MỤC CÁC HÌNH VẼ

Hình 1: Cấu tạo của hệ tầng cứng 2

Hình 2: Cấu tạo của hệ tầng cứng có “belt truss” 2

Hình 3: Sơ đồ làm việc của tầng cứng 3

Hình 4: Tòa nhà New York Time Tower 3

Hình 5: Tòa nhà Taipei 101 4

Hình 6: Tòa nhà Bitexco tower 4

Hình 7: Tòa nhà Lotte centre Hanoi 5

Hình 8: Cấu trúc của một nơ-ron sinh học điển hình 19

Hình 9: Cấu trúc của một nơ-ron nhân tạo điển hình 20

Hình 10: Mạng tự kết hợp 22

Hình 11: Mạng kết hợp khác kiểu 22

Hình 12: Mạng truyền thẳng 23

Hình 13: Mạng phản hồi 24

Hình 14: Sơ đồ giải thuật DE 30

Hình 15: Mô phỏng quá trình đột biến đối với bài toán 2 chiều 32

Hình 16: Cơ chế lựa chọn véc-tơ thử 32

Hình 17: Sơ đồ thuật toán cho bài toán tối ưu sử dụng giải thuật DE 33

Hình 18: Sơ đồ thuật toán cho bài toán tối ưu sử dụng giải thuật DE kết hợp ANN 34

Hình 19: Mặt bằng của công trình 37

Hình 20: Mặt đứng của công trình 38

Hình 21: Mô hình tầng cứng bố trí trên mặt bằng 39

Hình 22: Mô hình tầng cứng kết hợp hệ belt truss bố trí trên mặt bằng 39

Hình 23: Mặt đứng của công trình với tầng cứng bố trí tại tầng 15 và 30 40

Hình 24: Vị trí của cột C46 và C53 trên mặt bằng 42

Hình 25: Sơ đồ phân bố mẫu cho trường hợp 1 tầng cứng 45

Hình 26: Sơ đồ phân bố mẫu cho trường hợp 2 tầng cứng 46

Hình 27: Mô hình ANN cho trường hợp 1 tầng cứng 47

Hình 28: Mô hình ANN cho trường hợp 1 tầng cứng trong Matlab 47

Hình 29: Biểu đồ biểu diễn sự hội tụ của quá trình huấn luyện 48

Hình 30: Biểu đồ so sánh giá trị dữ liệu mẫu và giá trị huấn luyện ANN 48

Hình 31: Biểu đồ biểu diễn chuyển vị ngang tại đỉnh ứng với vị trí đặt tầng cứng (được thay đổi từ tầng 4 đến tầng 28) 49

Hình 32: Mô hình ANN cho trường hợp 2 tầng cứng 50

Hình 33: Mô hình ANN cho trường hợp 2 tầng cứng trong Matlab 50

Hình 34: Biểu đồ biểu diễn sự hội tụ của quá trình huấn luyện 51

Hình 35: Biểu đồ so sánh giá trị dữ liệu mẫu và giá trị huấn luyện ANN 51

Hình 36: Biểu đồ biểu diễn chuyển vị ngang tại đỉnh ứng với vị trí đặt 2 tầng cứng 52

Hình 37: Mặt bằng điển hình từ tầng 1 đến tầng 7 57

Hình 38: Mặt bằng điển hình từ tầng 8 đến tầng 35 57

Hình 39: Mặt bằng điển hình từ tầng 36 đến tầng 38 58

Hình 40: Mặt bằng điển hình từ tầng 39 đến tầng 59 58

Hình 41: Mặt đứng công trình tại trục 5 59

Hình 42: Mô hình không gian của công trình 60

Hình 43: Tầng cứng dạng dầm của phương án 1 63

Hình 44: Tầng cứng dạng dàn của phương án 2 64

Hình 45: Tầng cứng dạng dàn không gian của phương án 3 64

Hình 46: Biểu đồ phân bố mẫu trường hợp 1 tầng cứng 66

Hình 47: Biểu đồ phân bố mẫu trường hợp 2 tầng cứng 67

Hình 48: Mô hình ANN cho trường hợp 1 tầng cứng 68

Hình 49: Mô hình ANN cho trường hợp 1 tầng cứng trong Matlab 69

Hình 50: Biểu đồ biểu diễn sự hội tụ của quá trình huấn luyện 69

Hình 51: Biểu đồ so sánh giá trị dữ liệu mẫu và giá trị huấn luyện ANN 70

Hình 52: Biểu đồ biểu diễn chuyển vị ngang tại đỉnh ứng với vị trí đặt tầng

cứng (được thay đổi từ tầng 10 đến tầng 59) 71

Hình 53: Mô hình ANN cho trường hợp 2 tầng cứng 71

Hình 54: Mô hình ANN cho trường hợp 2 tầng cứng trong Matlab 72

Hình 55: Biểu đồ biểu diễn sự hội tụ của quá trình huấn luyện 72

Hình 56: Biểu đồ so sánh giá trị dữ liệu mẫu và giá trị huấn luyện ANN 73

Hình 57: Biểu đồ biểu diễn chuyển vị ngang tại đỉnh ứng với vị trí đặt 2 tầng cứng 74

Hình 58: Mô hình ANN cho trường hợp 3 tầng cứng 74

Hình 59: Mô hình ANN cho trường hợp 3 tầng cứng trong Matlab 75

Hình 60: Biểu đồ biểu diễn sự hội tụ của quá trình huấn luyện 75

Hình 61: Biểu đồ so sánh giá trị mục tiêu và giá trị huấn luyện ANN 76

DANH MỤC CÁC BẢNG BIỂU

Bảng 1: Tổ hợp tải trọng theo tiêu chuẩn Ấn Độ 16

Bảng 2: Tổ hợp tải trọng theo tiêu chuẩn Việt Nam 17

Bảng 3: Một số hàm truyền thông dụng 21

Bảng 4: Bảng giá trị tải trọng 40

Bảng 5 : Bảng so sánh chuyển vị ngang của bài báo và mô hình 42

Bảng 6: Lực dọc chân cột của cột C46 giữa Nanduri [21] và luận văn 43

Bảng 7: Lực dọc chân cột của cột C53 giữa Nanduri [21] và luận văn 43

Bảng 8: Bảng giá trị tối ưu của 2 bài toán 53

Bảng 9: Giá trị tải trọng tác động lên công trình 61

Bảng 10: Giá trị chuyển vị ngang tại đỉnh công trình khi chưa bố trí tầng cứng 62

Bảng 11: Giá trị chuyển vị ngang tại đỉnh ứng với các phương án bố trí tầng cứng khác nhau 65

MỘT SỐ KÝ HIỆU VIẾT TẮT

Chữ viết tắt

ANN Mạng thần kinh nhân tạo ( Artificial Neural Network)

MLP Mạng truyền thẳng nhiều lớp (Multi Layer Perceptron)

DE Giải thuật tiến hóa khác biệt ( Differential Evolution)

Ma trận và vec tơ

xi,t Véc-tơ cá thể

νi,t Véc-tơ đột biến

ui,t Véc-tơ thử nghiệm

Tuy nhiên, nhà cao tầng là loại công trình có kết cấu phức tạp và có chiều cao lớn, nên trong quá trình làm việc, công trình chịu tác động lớn của tải trọng ngang (do gió, động đất) Những loại tải trọng ngang này có thể gây ra chuyển vị ngang lớn cho công trình, tạo ra tâm lý bất an cho người sử dụng cũng như gây ra nội lực lớn trong hệ kết cấu

Để giải quyết vấn đề trên, một trong những giải pháp mà các kỹ sư thiết kế thường sử dụng là bố trí hệ kết cấu tầng cứng Hệ kết cấu tầng cứng bao gồm một

hệ dầm công xôn nằm ngang có độ cứng kháng uốn lớn, kết nối lõi chính với hệ cột bên ngoài Hệ kết cấu này có thể bằng bê tông cốt thép (BTCT) hoặc khung giằng bằng thép Lõi có thể được bố trí ở giữa với hệ dầm công xôn kéo ra hai phía hoặc được bố trí ở một bên của công trình với hệ dầm công xôn kéo ra phía ngược lại như trong Hình 1 Chiều cao của hệ dầm công xôn tương đối lớn có thể bằng chiều cao của một hoặc hai tầng nhà

Hình 1: Cấu tạo của hệ tầng cứng

Ngoài ra, để tận dụng khả năng chịu lực của các cột biên, người kỹ sư thiết kế thường bố trí các hệ đai xung quanh tòa nhà tại cao độ của tầng cứng Hệ đai này có thể là dầm hoặc dàn và thường được gọi là ”belt truss” như trong Hình 2

Hình 2: Cấu tạo của hệ tầng cứng có “belt truss”

Khi chịu tác động của tải trọng ngang (do gió, động đất), hệ dầm công xôn ngang sẽ tham gia làm việc cùng với lõi bằng cách chuyển một phần tải trọng ngang thành lực kéo tại cột phía đón gió và lực nén tại cột phía khuất gió Từ đó làm giảm chuyển vị ngang tại đỉnh công trình và làm giảm moment uốn trong lõi so với khi

không có tầng cứng như được minh họa trong Hình 3 Như vậy, khả năng chịu tải trọng ngang của kết cấu được tăng cường đáng kể

Hình 3: Sơ đồ làm việc của tầng cứng

Việc sử dụng tầng cứng làm giảm chuyển vị ngang của nhà cao tầng đã được nghiên cứu và áp dụng tương đối phổ biến trên thế giới Một số công trình cao tầng tiêu biểu được thiết kế có bố trí hệ tầng cứng trên thế giới như: Tòa nhà New York Time Tower 52 tầng [1] tại New York (Hình 4), Tòa nhà Taipei 101 với 101 tầng [2] tại Đài Bắc (Hình 5) v.v Tại nước ta cũng có một số công trình sử dụng loại kết cấu này như: Tòa nhà Bitexco tower 68 tầng [3] tại Tp Hồ Chí Minh (Hình 6), tòa nhà Lotte centre Hanoi 65 tầng [4] tại Hà Nội (Hình 7) v.v

Hình 4: Tòa nhà New York Time Tower

Hình 5: Tòa nhà Taipei 101

Hình 6: Tòa nhà Bitexco tower

Hình 7: Tòa nhà Lotte centre Hanoi Tuy nhiên, việc bố trí tầng cứng chiếm nhiều không gian sử dụng, đồng thời đòi hỏi chi phí lớn Ngoài ra, hiệu quả làm việc của tầng cứng phụ thuộc vào vị trí của chúng trên chiều cao của tòa nhà Số lượng tầng cứng phù hợp cho một công trình

cụ thể cũng là vấn đề nan giải cho người thiết kế Lúc này, người thiết kế phải cân nhắc giữa hai yếu tố: yêu cầu kỹ thuật và tính kinh tế để đưa ra lựa chọn của mình

Do đó vấn đề đặt ra là phải xác định vị trí làm việc tối ưu của tầng cứng trong nhà cao tầng, đồng thời xác định số tầng cứng cần thiết để mang lại hiệu quả cao nhất cho một công trình

Từ yêu cầu cấp thiết này, luận văn sử dụng phương pháp số xây dựng một mô hình tính toán nhằm xác định vị trí tối ưu của tầng cứng trong nhà cao tầng Bài toán tối ưu có biến thiết kế là vị trí của 1, 2 hoặc 3 tầng cứng Hàm mục tiêu là cực tiểu chuyển vị ngang tại đỉnh của công trình

Để minh họa tính hiệu quả, đúng đắn của phương pháp, luận văn trình bày 2 ví

dụ số minh họa: ví dụ thứ nhất được thiết lập theo dữ liệu của một công bố khoa học

sử dụng phần mềm Etabs để xác định vị trí tối ưu của tầng cứng trong tòa nhà 30 tầng được thiết kế theo tiêu chuẩn Ấn Độ Công trình có mặt bằng, tiết diện cột và lõi không đổi theo chiều cao Tải trọng gió và động đất được tính toán tại khu vực

Hyderabad miền trung Ấn Độ Ví dụ số này được sử dụng để kiểm chứng độ chính xác cũng như hiệu quả của mô hình tính toán Ví dụ thứ hai là một mô hình kết cấu thực tế cao 60 tầng được thiết kế theo tiêu chuẩn Việt Nam Công trình có mặt bằng thay đổi Từ tầng 1 đến tầng 7 là khu vực tầng thương mại Từ tầng 8 đến tầng 38 là khu vực nhà văn phòng Từ tầng 39 đến tầng 59 là khu vực nhà ở Công trình có kết cấu 2 lõi Từ tầng 1 đến tầng 7 là kết cấu lõi kết hợp khung chịu lực Từ tầng 8 đến tầng 59 có kết cấu lõi kết hợp với vách chịu lực và sàn không dầm

1.2 Tình hình nghiên cứu và tính cấp thiết của đề tài

1.2.1 Tình hình nghiên cứu trên thế giới

Trên thế giới, từ thế kỷ trước, đã có nhiều tác giả nghiên cứu về đề tài xác định vị trí tối ưu của tầng cứng trong nhà cao tầng Một số công trình tiêu biểu có thể liệt kê như sau:

B.Staford Smith và Irawan Salim [5] (1981) trong nghiên cứu của mình:

“Formulae for optimum drift resistance of outrigger braced tall building structure”

đã phân tích ứng xử của tầng cứng trong nhà cao tầng có tiết diện lõi và cột không đổi theo chiều cao tầng, tác dụng của tải ngang phân bố đều theo chiều cao công trình Trong nghiên cứu này, vị trí tối ưu của tầng cứng, độ giảm hiệu quả của chuyển vị tại đỉnh và moment của lõi được biểu diễn bởi một tham số đặc trưng vô hướng, là hàm của tỉ số độ cứng kháng uốn giữa lõi- hệ cột và lõi- tầng cứng Điều

đó cho phép các tác giả đưa ra phương pháp đồ thị để xác định vị trí tối ưu của tầng cứng trên chiều cao của kết cấu Ngoài ra, kết quả của bài báo này còn có thể được

sử dụng để đánh giá gần đúng chuyển vị và lực trong công trình có tiết diện lõi và cột không đều theo chiều cao công trình

Hoenderkamp và Bakker [6] (2003) trong nghiên cứu “Analysis of high – rise braced frames with outriggers” đã giới thiệu phương pháp sơ bộ xác định vị trí tối

ưu của tầng cứng trong nhà cao tầng với kết cấu tầng cứng và lõi dạng khung dàn thép chịu tải trọng phân bố đều Nghiên cứu đã chỉ ra rằng ứng xử của hệ tầng cứng dạng khung dàn thép chịu tải trọng ngang cũng tương tự như hệ khung bằng BTCT

Các tác giả cũng đã đưa ra phương pháp đồ thị để xác định vị trí tối ưu của tầng cứng một cách đơn giản

Hoenderkamp, Bakker và Snijder [7] (2003) đã trình bày phương pháp xác định

vị trí tối ưu của tầng cứng của công trình có kết cấu tầng cứng và lõi bằng BTCT đặt trên móng mềm chịu tải phân bố đều Nghiên cứu chỉ ra sự kết hợp làm việc giữa hệ kết cấu tầng cứng và móng mềm trong việc làm giảm chuyển vị trên đỉnh của công trình Đồng thời đưa ra phương pháp đồ thị để xác định vị trí tối ưu của tầng cứng của công trình đặt trên móng mềm

1.2.2 Tình hình nghiên cứu tại Việt Nam

Tại nước ta, vấn đề tầng cứng trong nhà cao tầng vẫn còn khá mới mẻ Hiện tại mới chỉ có một vài nghiên cứu được thực hiện

Nhóm sinh viên Trương Quang Hải, Võ Văn Tý dưới sự hướng dẫn của Trịnh Quang Thịnh [8] Đại học Bách Khoa Đà Nẵng đã đưa ra một báo cáo khoa học về

sự làm việc của tầng cứng trong nhà cao tầng Báo cáo đã giới thiệu về vai trò của tầng cứng đồng thời phân tích hệ kết cấu 2 tầng cứng chịu tải trọng phân bố đều theo chiều cao công trình Từ đó các tác giả đưa ra các đồ thị có thể được sử dụng

để tìm ra vị trí làm việc tối ưu của hệ tầng cứng

NCS Nguyễn Hồng Hải và PGS.TS Nguyễn Xuân Chính [9] thuộc viện Khoa Học Công Nghệ Xây Dựng đã giới thiệu một báo cáo khoa học về “Tầng cứng trong nhà cao tầng” Báo cáo đã giới thiệu về sự phổ biến của việc áp dụng kết cấu tầng cứng trong thiết kế nhà cao tầng Đồng thời cũng giới thiệu sơ bộ về phương pháp phân tích và tính toán moment của lõi và chuyển vị ngang tại đỉnh lõi khi chịu tác động của tải ngang phân bố đều hoặc tải phân bố tam giác Từ đó xác định được vị trí tối ưu của tầng cứng

1.2.3 Nhận xét chung về tình hình nghiên cứu trên thế giới và Việt Nam

Tuy nhiên, những nghiên cứu kể trên đều dựa trên cơ sở phương pháp giải tích Các phương trình giải tích này được xây dựng dựa trên một số giả thiết nhằm đơn giản hóa quá trình tính toán Các giả thiết trên làm cho phương pháp giải tích bị hạn chế

ở một số kết cấu nhất định, hoặc chỉ giới hạn cho các kết cấu có mặt bằng các tầng phải giống nhau Khi giải quyết 1 bài toán với những điều kiện khác so với các kết

cấu này ta lại phải thành lập lại các công thức giải tích riêng cho từng kết cấu cụ thể, hoặc không thể áp dụng cho các kết cấu có mặt bằng các tầng khác nhau

Do đó luận văn đề xuất một phương pháp số nhằm giải quyết vấn đề nêu trên So với phương pháp giải tích, phương pháp số được đề xuất có ưu điểm giải quyết được những bài toán mang tính tổng quát hơn Phương pháp này có thể áp dụng cho các công trình có tiết diện và mặt bằng bất kỳ, thay đổi hoặc không thay đổi theo chiều cao Để xây dựng phương pháp số này, đầu tiên ta cần phân tích ứng xử của kết cấu khi có sự tham gia của tầng cứng Có hai cách để thực hiện: một là ta tự lập trình code phần tử hữu hạn (PTHH) dùng các phần mềm như Matlab, C++ v.v hoặc

là ta sử dụng các phần mềm thương mại như Ansys, Sap, Etabs v.v Do tính phức tạp của việc lập trình code PTHH trong việc mô phỏng sự làm việc chung của kết cấu trong một công trình, trong luận văn này phần mềm thương mại Etabs được lựa chọn để phân tích ứng xử của kết cấu Sau đó, ta thành lập và giải bài toán tối ưu với biến thiết kế là vị trí của 1, 2 hoặc 3 tầng cứng và hàm mục tiêu là cực tiểu chuyển vị ngang tại đỉnh của công trình Có rất nhiều phương pháp được sử dụng để giải quyết bài toán tối ưu như: giải thuật di truyền (Genetic Algorithm-GA) [10], phương pháp tối ưu đàn hạt (Particle Swarm Optimization-PSO) [11], phương pháp tối ưu đàn kiến (Ant Colony Optimization-ACO) [12], phương pháp tiến hóa khác biệt (Differential Evolution-DE) [13] v.v Trong đó, phương pháp tiến hóa khác biệt

DE là một phương pháp giải tối ưu hiệu quả, đã được chứng minh qua nhiều bài toán tiêu chuẩn (benchmark) và sẽ được sử dụng trong luận văn Mặt khác, hiện nay các phương pháp tối ưu hóa nêu trên chưa thể tích hợp với phần mềm thương mại Etabs trong việc giải quyết các bài toán tối ưu kết cấu nên ta cần sử dụng một công

cụ xấp xỉ để xấp xỉ ứng xử của kết cấu (từ bộ dữ liệu thu được bằng Etabs) để tích hợp chung với các phương pháp tối ưu này Công cụ xấp xỉ được dùng ở đây là mạng thần kinh nhân tạo (Artificial Neural Network-ANN) Sau khi đã xây dựng được mô hình ANN, ta dễ dàng đưa vào chương trình để tìm nghiệm tối ưu của bài toán

1.3 Mục tiêu và hướng nghiên cứu

Mục tiêu của luận văn là xây dựng một mô hình tính toán để xác định vị trí tối ưu của hệ gồm 1, 2 và 3 tầng cứng trong nhà cao tầng

Để đạt được mục tiêu trên, các bước cần phải thực hiện là:

 Thiết lập mô hình làm việc của nhà cao tầng có bố trí tầng cứng sử dụng phần mềm thương mại Etabs để thu thập bộ dữ liệu ứng xử của kết cấu (bao gồm đầu vào là vị trí các tầng cứng và đầu ra là giá trị chuyển vị đỉnh)

 Dùng bộ dữ liệu thu thập được để thiết lập một mạng thần kinh nhân tạo (ANN) nhằm xấp xỉ ứng xử của kết cấu thay cho phần mềm thương mại Etabs

 Thiết lập và giải bài toán tối ưu hóa vị trí tầng cứng trong nhà cao tầng bằng giải thuật DE Từ các kết quả số, tác giả sẽ rút ra các kết luận và kiến nghị cụ thể về

vị trí tối ưu của tầng cứng trong nhà cao tầng

1.4 Cấu trúc luận văn

Nội dung trong luận văn được trình bày như sau:

Chương 1: Giới thiệu tổng quan về hệ tầng cứng trong nhà cao tầng, tình hình nghiên cứu của các tác giả trong và ngoài nước, cũng như mục tiêu và hướng nghiên cứu của đề tài

Chương 2: Trình bày cơ sở lý thuyết, giới thiệu tổng quan các giải thuật có liên quan trong việc giải bài toán tối ưu vị trí tầng cứng trong nhà cao tầng

Chương 3: Trình bày các ví dụ số được lập trình bằng ngôn ngữ Matlab nhằm xác định vị trí tầng cứng tối ưu trong nhà cao tầng

Chương 4: Đưa ra một số kết luận quan trọng đạt được trong luận văn và kiến nghị hướng phát triển của đề tài trong tương lai

Tài liệu tham khảo: trích dẫn các tài liệu liên quan phục vụ cho mục đích nghiên cứu của đề tài

Phụ lục: một số đoạn mã lập trình Matlab chính để tính toán các ví dụ số trong Chương 3

CHƯƠNG 2

CƠ SỞ LÝ THUYẾT

2.1 Thiết lập bài toán tối ưu

Hàm mục tiêu là cực tiểu chuyển vị ngang tại đỉnh công trình:

 Đầu tiên, tác giả đi thu thập bộ dữ liệu mẫu (gồm vị trí của tầng cứng và chuyển

vị ngang tại đỉnh tương ứng) từ mô hình Etabs đã thiết lập

 Từ những giá trị rời rạc thu thập được ở trên, tác giả sử dụng mạng thần kinh nhân tạo (ANN) để xấp xỉ mối quan hệ giữa vị trí của tầng cứng và chuyển vị ngang tại đỉnh tương ứng Nghĩa là ta đi xây dựng các đường cong (mặt cong) liên tục thể hiện gần đúng nhất mối quan hệ giữa vị trí của tầng cứng và chuyển vị

ngang tại đỉnh trên toàn miền thay đổi của vị trí tầng cứng Nói cách khác là ta đi xây dựng hàm f x x( ,1 2, ,x n)của bài toán tối ưu trên

 Tiếp theo, tác giả sẽ kết hợp mô hình ANN với giải thuật tiến hóa khác biệt (DE)

để giải bài toán tối ưu Từ các đường cong (mặt cong) liên tục xây dựng được trên ANN, DE sẽ xây dựng được bộ dân số ban đầu x (i=1:n; j=1:NP với n là số ij

lượng tầng cứng được bố trí; NP là số lượng dân số được sử dụng trong giải thuật

DE) và sử dụng hàm f x x( ,1 2, ,x n) thu được từ ANN vào quá trình tính toán Tiếp tục trải qua nhiều vòng lặp các quá trình đột biến, lai tạo và chọn lọc để tìm

ra giá trị tối ưu của bài toán

LƯU ĐỒ CỦA MÔ HÌNH TRONG LUẬN VĂN

 Thu thập bộ dữ liệu mẫu gồm:

• Vị trí của tầng cứng x i,j với i=13;j=1NP (NP : Số lượng mẫu cần thiết)

• Chuyển vị ngang tại đỉnh tương đương y j

 Xấp xỉ mối quan hệ giữa vị trí của tầng cứng và chuyển vị ngang tại đỉnh tương ứng

 Tìm ra :

• Vị trí tối ưu của tầng cứng x i ,opt với i=13

• Chuyển vị ngang tại đỉnh tương ứng y opt

CÁC BƯỚC

2.2 Phân tích ứng xử nhà cao tầng sử dụng phần mềm thương mại Etabs

Hiện nay, trong qui trình thiết kế mô hình nhà cao tầng có bố trí tầng cứng, đầu tiên người thiết kế sẽ chọn loại kết cấu, vị trí và diện tích sơ bộ cho tầng cứng Sau đó, người thiết kế sẽ nhập các dữ kiện trên vào Etabs để phân tích ứng xử của kết cấu (nội lực, chuyển vị ngang tại đỉnh công trình…) Vì vai trò chính của tầng cứng là giảm thiểu chuyển vị ngang của công trình, nên dữ liệu được quan tâm là chuyển vị ngang tại đỉnh công trình Thông thường, người thiết kế sử dụng phương pháp “thử

và sai” để tìm vị trí tốt nhất cho tầng cứng bằng cách phân tích nhiều mô hình với nhiều vị trí tầng cứng khác nhau và chọn ra mô hình có kết quả chuyển vị đỉnh nhỏ nhất Phương pháp này chỉ thích hợp khi áp dụng cho các công trình thấp tầng và số lượng tầng cứng bố trí trên tòa nhà chỉ là 1 tầng Còn đối với các công trình có nhiều tầng hay số lượng tầng cứng cần phải bố trí nhiều hơn 1 tầng thì thời gian và công sức tính toán sẽ phải tăng lên rất nhiều mà kết quả thu được nhiều khi chưa phải là tối

ưu nhất

Do đó, luận văn đề xuất phương pháp giải quyết vấn đề trên dựa vào các phương pháp tối ưu với dữ liệu đầu vào được thu thập bằng cách phân tích ứng xử kết cấu từ phần mềm Etabs Tuy nhiên, do hiện nay các công cụ tối ưu được xây dựng trên các ngôn ngữ lập trình như C++, Matlab v.v chưa thể tích hợp với phần mềm thương mại Etabs để giải quyết bài toán tối ưu này Vì vậy, trong luận văn tác giả sử dụng mạng thần kinh nhân tạo ANN để xấp xỉ ứng xử của kết cấu từ các bộ dữ liệu đầu vào được chuẩn bị sẵn thông qua phần mềm Etabs Sau đó, mạng ANN sẽ được tích hợp với các phương pháp tối ưu để xác định vị trí của tầng cứng trong đó hàm mục tiêu là cực tiểu chuyển vị ngang tại đỉnh của công trình Phương pháp này vừa tiết kiệm thời gian vừa cho ra kết quả tốt

Để xây dựng mô hình mạng ANN ta cần phải dựa vào các bộ dữ liệu thu được từ việc phân tích ứng xử kết cấu bằng phần mềm Etabs Đây là bước khởi đầu quan trọng trong quá trình giải bài toán tối ưu vị trí tầng cứng trong nhà cao tầng sử dụng mạng thần kinh nhân tạo (ANN) và giải thuật tiến hóa khác biệt (DE)

2.2.1 Phân tích ứng xử nhà cao tầng bằng phần mềm Etabs

Etabs là một phần mềm chuyên dụng dùng để thiết kế kết cấu nhà cao tầng dựa trên phương pháp phần tử hữu hạn (PTHH) Phần mềm này tích hợp đầy đủ các công cụ nhằm giúp người thiết kế xây dựng mô hình nhà cao tầng làm việc giống với thực tế Vấn đề còn lại phụ thuộc vào kinh nghiệm của người thiết kế để có thể xây dựng được mô hình tốt nhất Các cấu kiện được tích hợp sẵn trong Etabs là:

 Dầm, cột: được mô phỏng bằng phần tử frame

 Sàn: được mô phỏng bằng phần tử shell

 Vách, lõi: được mô phỏng bằng phần tử shell

Trong luận văn, kết cấu tầng cứng được mô phỏng bằng phần tử frame dưới dạng dầm chịu uốn hoặc dàn có chiều cao 1 tầng hoặc 2 tầng nhà Nếu tầng cứng được thiết kế dưới dạng dầm chịu uốn thì ưu điểm là dễ thi công nhưng khuyết điểm là tốn nhiều vật tư, đồng thời những diện tích sàn nằm giữa các dầm này không được liên thông với không gian bên ngoài nên không thể sử dụng Mặt khác, nếu tầng cứng được thiết kế dưới dạng dàn thì ưu điểm là ít tốn vật tư, đồng thời các không gian trong tầng cứng vẫn được liên thông với nhau nên sẽ tận dụng được hết diện tích sàn Nhưng khuyết điểm là thi công phức tạp hơn

2.2.2 Tải trọng

Trong phần mềm Etabs, tải trọng tác dụng vào công trình sẽ được tính toán phụ thuộc vào tiêu chuẩn áp dụng Tùy vào loại tải trọng mà ta sẽ tính toán ở bên ngoài rồi nhập vào mô hình hoặc phần mềm sẽ tự tính và gán vào các phần tử trong mô hình tính toán Các loại tải trọng thường được đưa vào tính toán trong Etabs là:

 Tĩnh tải: Trong mô hình Etabs, thường có 3 loại tĩnh tải, một là trọng lượng bản thân của kết cấu, tải trọng này sẽ do phần mềm tự tính Hai là tải trọng của lớp vữa tô trần, cán nền và lớp gạch lót tác dụng lên sàn Ba là tải trọng của tường tác dụng lên dầm hoặc sàn Hai loại tĩnh tải sau sẽ được tính toán ở ngoài rồi đưa vào mô hình bằng cách gán tải trọng

 Hoạt tải: Giá trị hoạt tải được quy định sẵn trong các tiêu chuẩn áp dụng và phụ thuộc vào công năng của từng diện tích sàn

 Tải động đất: Tải động đất được tính toán tùy thuộc vào tiêu chuẩn áp dụng Loại tải này có thể được tính toán ở ngoài rồi đưa vào mô hình như tải gió hoặc phần mềm sẽ tính toán đối với các tiêu chuẩn được tích hợp sẵn trong phần mềm

 Tải gió: Tải trọng gió là một trong những nguyên nhân chính gây ra chuyển vị ngang đối với công trình nhà cao tầng Trong luận văn, đầu tiên đối với bài toán thẩm tra phương pháp, tác giả sử dụng tải trọng tính toán theo tiêu chuẩn Ấn Độ (nhằm có kết quả tương thích để so sánh với nghiệm tham khảo cũng sử dụng tiêu chuẩn Ấn Độ) Đối với bài toán nhà cao tầng do tác giả đề xuất, tải trọng được tính toán theo tiêu chuẩn Việt Nam Tùy thuộc vào tiêu chuẩn áp dụng mà tải trọng gió sẽ có cách tính toán khác nhau như được trình bày dưới đây:

a) Tải trọng gió theo tiêu chuẩn IS 875:1987 (part 3) – tiêu chuẩn Ấn Độ

b) Tải trọng gió theo tiêu chuẩn TCVN 2737-1995 – tiêu chuẩn Việt Nam

+W p ji( ): là giá trị tiêu chuẩn thành phần động của tải trọng gió tác dụng lên phần

công trình thứ j ứng với dạng dao động i

+M : là khối lượng tập trung của phần công trình thứ j j

+i : là hệ số động lực ứng với dạng dao động thứ i, không thứ nguyên, phụ thuộc

vào thông số i và độ giảm lôga của dao động:

940

o i

i

W f



trong đó:

+ : là hệ số độ tin cậy của tải trọng gió, lấy bằng 1.2

+W : là giá trị áp lực gió tiêu chuẩn (N/m o 2)

+ f : là tần số dao động riêng thứ i (Hz) i

+y : là dịch chuyển ngang tỉ đối của trọng tâm phần công trình thứ j ứng với ji dạng dao động riêng thứ i, không thứ nguyên

+i : là hệ số được xác định bằng cách chia công trình thành n phần, trong phạm

vi mỗi phần tải trọng gió có thể coi như không đổi:

2 1

n

ji Fj j

ji j j

+S : là diện tích đón gió của phần j của công trình j

+ : là hệ số tương quan không gian áp lực động của tải trọng gió ứng với dạng dao động khác nhau của công trình, không thứ nguyên

2.2.3 Tổ hợp tải trọng

Tổ hợp tải trọng được thiết lập với mục đích mô phỏng điều kiện chịu tải thực tế của công trình, qua đó nhằm xác định được điều kiện làm việc bất lợi nhất của kết cấu

a) Tổ hợp tải trọng theo tiêu chuẩn IS 875 (part 5)- tiêu chuẩn Ấn Độ

Bảng 1: Tổ hợp tải trọng theo tiêu chuẩn Ấn Độ

+ WLx : Tải trọng gió theo phương x

+ WLy : Tải trọng gió theo phương y

+ ELx : Tải trọng động đất theo phương x

+ ELy : Tải trọng động đất theo phương y

Nhận xét: Trong mô hình Etabs thiết lập theo tiêu chuẩn gió Ấn Độ, tổ hợp dùng

để xuất kết quả là tổ hợp 2 (DL+WLx)

b) Tổ hợp tải trọng theo tiêu chuẩn TCVN 2737:1995- tiêu chuẩn Việt Nam

Bảng 2: Tổ hợp tải trọng theo tiêu chuẩn Việt Nam

+ GIOX: Tải gió theo phương x

+ GIOXX: Tải gió theo phương x (Lấy hệ số là -1)

+ GIOY: Tải gió theo phương y

+ GIOYY: Tải gió theo phương y (Lấy hệ số là -1)

Nhận xét: Trong mô hình Etabs thiết lập theo tiêu chuẩn Việt Nam, tổ hợp dùng

để xuất kết quả là tổ hợp 2 (TT+ GIOX) và tổ hợp 4 (TT+ GIOY)

2.3 Mạng thần kinh nhân tạo [16] [17]

Mạng thần kinh nhân tạo (ANN) được giới thiệu lần đầu tiên bởi McCulloch và Pitts

vào năm 1943 [14] Mạng ANN là một mô hình xử lý thông tin phỏng theo cách thức

xử lý thông tin của các hệ nơ-ron sinh học Nó được tạo nên từ một số lượng lớn các phần tử (nơ-ron) kết nối với nhau thông qua các liên kết (trọng số liên kết và các hàm truyền) làm việc như một thể thống nhất để giải quyết một vấn đề cụ thể nào đó Nó

có thể xấp xỉ mối quan hệ tương quan phức tạp giữa các yếu tố đầu vào và các dữ liệu đầu ra của vấn đề cần nghiên cứu

Mạng ANN được sử dụng để giải quyết nhiều bài toán thuộc nhiều lĩnh vực khác nhau Các nhóm bài toán ứng dụng mà mạng ANN có thể được áp dụng hiệu quả là:

 Bài toán phân lớp: Đây là dạng bài toán cơ sở của rất nhiều bài toán trong thực tế: nhận dạng chữ viết, phân loại chất lượng sản phẩm v.v

 Bài toán dự báo: Mạng ANN đã được ứng dụng nhiều trong việc xây dựng các

mô hình dự báo sử dụng tập dữ liệu trong quá khứ để dự đoán ứng xử trong tương lai

 Bài toán xấp xỉ hàm: Từ một mẫu huấn luyện được tạo ra từ một hàm chưa biết, mạng ANN sẽ đi tìm hàm xấp xỉ của hàm chưa biết này

 Bài toán điều khiển và tối ưu hóa: Nhờ khả năng học và xấp xỉ hàm mà mạng ANN được sử dụng trong nhiều hệ thống điều khiển tự động cũng như góp phần giải quyết những bài toán tối ưu trong thực tế

Trong luận văn này, mạng ANN được dùng để xấp xỉ hàm ứng xử của kết cấu dưới tác dụng của tải trọng ngang Đối với bài toán xấp xỉ hàm thì đầu tiên một mô hình mạng ANN được tạo ra với cấu trúc, bộ trọng số ban đầu và các hàm truyền sử dụng trong mạng do người lập mạng lựa chọn Sau đó ta sử dụng thông số đầu vào từ

bộ dữ liệu mẫu để nhập vào mạng, dựa vào mối quan hệ trọng số ban đầu và hàm truyền đã chọn, mà ta sẽ thu được kết quả dữ liệu đầu ra Tiếp theo, ta so sánh dữ liệu đầu ra tính toán với dữ liệu đầu ra của bộ dữ liệu mẫu để xác định sai số Các sai số này sẽ được sử dụng để điều chỉnh bộ trọng số theo các thuật toán nhất định Quá trình này gọi là quá trình huấn luyện mạng Cuối cùng ta thu được một mạng ANN với cấu trúc và bộ trọng số đã qua huấn luyện Sau khi được huấn luyện, mạng ANN

có thể tính toán kết quả đầu ra tương ứng với bộ số liệu đầu vào mới Quá trình huấn luyện (hay còn gọi là quá trình học) là một đặc trưng quan trọng của mạng thần kinh nhân tạo ANN

2.3.1 Cấu trúc của một nơ-ron nhân tạo

Cấu trúc của một nơ-ron được mô tả trên Hình 8 và Hình 9

Hình 8: Cấu trúc của một nơ-ron sinh học điển hình

Hình 9: Cấu trúc của một nơ-ron nhân tạo điển hình

Các thành phần cơ bản của một nơ-ron nhân tạo bao gồm:

 Tập các đầu vào: Là các tín hiệu vào của nơ-ron Trong luận văn này tín hiệu đầu vào là vị trí của tầng cứng xi x x1, 2, ,x N với N là số tầng cứng bố trí trong

hệ

 Tập các liên kết: Mỗi liên kết được thể hiện bởi một trọng số, kí hiệu: w ji

Thông thường, các trọng số này được khởi tạo một cách ngẫu nhiên ở thời điểm khởi tạo mạng và được cập nhật liên tục trong quá trình huấn luyện

 Bộ tổng (hàm tổng): Thường dùng để tính tổng của tích các đầu vào với trọng

số liên kết của nó,

1

N

ji i i

và đầu ra thu được bằng 0

 Hàm truyền: Hàm này được dùng để giới hạn phạm vi đầu ra của mỗi nơ-ron

Nó nhận đầu vào là kết quả của hàm tổng và ngưỡng đã cho Các hàm truyền rất đa dạng, có thể là các hàm tuyến tính hoặc phi tuyến Một số hàm truyền thường sử dụng trong các mô hình mạng nơ-ron được đưa ra trong Bảng 3

 Đầu ra: Là tín hiệu đầu ra của một nơ-ron, ở đây tín hiệu đầu ra là chuyển vị đỉnh của kết cấu

2.3.2 Mô hình mạng thần kinh nhân tạo

2.3.2.1 Phân loại

a) Dựa vào vai trò của nơ-ron người ta chia làm 2 loại:

 Mạng tự kết hợp: là mạng có các nơ-ron đầu vào cũng là các nơ-ron đầu ra như Hình 10 Mạng Hopfield [17] là một trong những mạng nổi tiếng nhất thuộc về kiểu mạng tự kết hợp này

Hình 10: Mạng tự kết hợp

 Mạng kết hợp khác kiểu: là mạng có tập nơ-ron đầu vào và đầu ra riêng biệt như Hình 11 Các loại mạng kết hợp khác kiểu được sử dụng phổ biến trong thực tế là: Perceptron, mạng Perceptron nhiều lớp (MLP: MultiLayer Perceptron), mạng Kohonen [18] v.v

Hình 11: Mạng kết hợp khác kiểu

b) Dựa vào cách truyền thông tin người ta chia thành 2 loại:

 Kiến trúc truyền thẳng (feedforward architechture): là kiểu kiến trúc mạng

không có các kết nối ngược trở lại từ các nơ-ron đầu ra về các nơ-ron đầu vào như

trong Hình 12 Các mạng nơ-ron truyền thẳng cho phép tín hiệu di chuyển theo một đường duy nhất; từ đầu vào tới đầu ra; đầu ra của một lớp bất kì sẽ không ảnh hưởng ngược lại tới lớp đó Mạng truyền thẳng là mô hình đơn giản và được sử dụng rất phổ biến trong bối cảnh khoa học ngày nay Nên trong luận văn này mạng truyền thẳng sẽ được sử dụng Mạng được xây dựng như sau:

 Lớp đầu vào (lớp vào): Thể hiện các thông số đầu vào của bài toán cần xấp xỉ ứng xử của kết cấu nhà cao tầng có bố trí tầng cứng Số nơ-ron tại lớp vào phụ thuộc vào từng bài toán Mô hình sử dụng trong luận văn có 1, 2 hay 3 nơ-ron đầu vào là các tọa độ vị trí tầng cứng và phụ thuộc vào bài toán tối ưu vị trí cho công trình có 1,

2 hay 3 tầng cứng

 Lớp ẩn: Mô hình trong luận văn sử dụng một lớp ẩn Số nơ-ron trong lớp ẩn thay đổi tùy thuộc vào độ phi tuyến của dữ liệu đầu vào và sẽ được điều chỉnh cho phù hợp trong quá trình tính toán Trong luận văn này số nơ-ron được chọn là 4, 6, 8 hoặc 10 nơ-ron tùy vào trường hợp đầu vào là 1, 2 hoặc 3 tầng cứng Hàm truyền được lựa chọn là hàm tansig Hàm tansig cùng với hàm logsig là những hàm truyền thường được lựa chọn sử dụng trong lớp ẩn của mạng feedforward Hàm tansig tạo giá trị đầu ra biến thiên từ +1 đến -1

 Lớp đầu ra (lớp ra): Thể hiện kết quả mong muốn của bài toán cần xấp xỉ Ở đây ta có 1 nơ-ron đầu ra là chuyển vị ngang tại đỉnh của công trình Hàm truyền được sử dụng là hàm pureline nên đầu ra của mạng có thể mang giá trị bất kì

Hình 12: Mạng truyền thẳng

 Kiến trúc phản hồi (Feedback architecture): là kiểu kiến trúc mạng có các kết

nối ngược trở lại từ các nơ-ron đầu ra về các nơ-ron đầu vào được thể hiện như Hình

13 Các mạng nơ-ron phản hồi cho phép tín hiệu di chuyển trong mạng một cách linh hoạt hơn so với mạng truyển thẳng; đầu ra của một lớp bất kì vẫn có thể ảnh hưởng ngược lại đến lớp đó

Hình 13: Mạng phản hồi

2.3.3 Quá trình huấn luyện

Bản chất của quá trình huấn luyện là sự thay đổi các trọng số liên kết của mạng sao

cho với mỗi véc-tơ đầu vào x, mạng có khả năng tạo ra véc-tơ đầu ra y tương đương

với kết quả mong muốn từ phần mềm thương mại Etabs Quá trình huấn luyện mạng ANN dược thực hiện thông qua các phương pháp huấn luyện và các thuật toán huấn luyện được trình bày dưới đây

2.3.3.1 Phương pháp huấn luyện

Có ba phương pháp huấn luyện phổ biến là huấn luyện có giám sát (supervised learning), huấn luyện không giám sát (unsupervised learning) và huấn luyện tăng cường (Reinforcement learning)

 Huấn luyện có giám sát: Là quá trình huấn luyện có sự tham gia của bộ dữ liệu mẫu Tập dữ liệu D thu thập từ phần mềm thương mại, từ quan trắc, tính toán v.v được sử dụng cho huấn luyện mạng được gọi là tập huấn luyện Các phần tử x thuộc D được gọi là các mẫu huấn luyện Tập mẫu huấn luyện được cho dưới dạng D

i =1,2,…,k là véc-tơ mục tiêu M chiều tương ứng với M đầu ra của mô hình Quá

trình huấn luyện sẽ sử dụng 1 thuật toán huấn luyện cụ thể nhằm thiết lập một mạng thần kinh nhân tạo với các trọng số tương ứng sao cho với mỗi véc-tơ đặc trưng đầu vào thì sai số giữa giá trị đầu ra tính toán từ mạng và giá trị thực tương ứng trong tập mẫu huấn luyện là nhỏ nhất

Trong luận văn này với sự hỗ trợ của phần mềm thương mại Etabs, phương pháp huấn luyện này sẽ được sử dụng Thuật toán được áp dụng là thuật toán lan truyền ngược sẽ được trình bày trong phần tiếp theo của luận văn

 Huấn luyện không có giám sát: Là quá trình huấn luyện không có sự tham gia

của bộ dữ liệu mẫu Tập dữ liệu huấn luyện D được thu thập từ phần mềm thương

mại, từ quan trắc, tính toán… D = {(x

trưng của mẫu huấn luyện Nhiệm vụ của thuật toán là phải phân chia tập dữ liệu D

thành các nhóm con, mỗi nhóm chứa các véc-tơ đầu vào có đặc trưng giống nhau Như vậy với huấn luyện không giám sát, số lớp phân loại chưa được biết trước và

tùy theo tiêu chuẩn đánh giá độ tương tự giữa các mẫu mà ta có thể có các lớp phân

loại khác nhau

 Huấn luyện tăng cường: Là sự tổ hợp của cả hai mô hình trên Phương pháp này cụ thể như sau: với véc-tơ đầu vào, ta quan sát véc-tơ đầu ra do mạng tính được Nếu kết quả được xem là “tốt” thì mạng sẽ được thưởng theo nghĩa tăng các trọng số kết nối lên; ngược lại mạng sẽ bị phạt, các trọng số kết nối không thích hợp sẽ được giảm xuống

2.3.3.2 Thuật toán lan truyền ngược (backpropagation algorithm) [15] và giải thuật huấn luyện Levenberg – Marquardt (TRAINLM) [19]

Thuật toán huấn luyện được sử dụng trong luận văn là thuật toán lan truyền ngược Thuật toán này do Rumelhart và các cộng sự đề xuất và là một trong số những kết quả nghiên cứu quan trọng nhất đối với sự phát triển của mạng nơ-ron nhân tạo Thuật toán này được áp dụng cho mạng truyền thẳng nhiều lớp trong đó các nơ-ron

có thể sử dụng các hàm truyền là các hàm liên tục có các dạng khác nhau Thuật toán lan truyền ngược cho phép xác định tập trọng số tốt nhất của mạng thông qua việc giải bài toán tối ưu với hàm mục tiêu là cực tiểu bình phương sai số giữa đầu ra thu được từ mô hình ANN và đầu ra thu nhận từ bộ mẫu Việc áp dụng phương pháp lan truyền ngược là một quá trình lặp đi lặp lại nhiều lần 2 tiến trình: tiến trình xuôi từ đầu vào đến đầu ra để thực hiện tính toán đầu ra theo cấu trúc mạng ANN đã chọn và tiến trình lan truyền ngược sai số để cập nhật trọng số nhằm tìm ra bộ trọng số tốt nhất cho mạng Trong quá trình huấn luyện này, bộ mẫu được chia làm 2 phần với tỉ

lệ do người dùng quyết định hoặc sử dụng giá trị mặc định của Matlab Một phần bộ mẫu được dùng để trực tiếp huấn luyện mô hình thông qua việc điều chỉnh trọng số

từ giá trị sai số Phần còn lại được sử dụng để kiểm tra, đánh giá hiệu quả xấp xỉ của

mô hình sau khi kết thúc quá trình huấn luyện Việc kiểm tra này được thực hiện bằng cách sử dụng đầu vào từ các bộ mẫu này để tính toán đầu ra bằng mạng ANN vừa huấn luyện, sau đó so sánh với giá trị đầu ra của bộ mẫu Từ đó đánh giá mức độ chính xác của mô hình vừa huấn luyện

Thuật toán lan truyền ngược dùng trong luận văn được mô tả như sau:

Bước 1: Khởi tạo trọng số bởi các giá trị ngẫu nhiên nhỏ

Bước 2: Lặp lại cho tới khi thỏa mãn điều kiện kết thúc

Với mỗi vòng lặp, thực hiện các bước sau:

Tính giá trị đầu ra o j cho mỗi nút j: