Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
Bài viết trình bày kết quả dự đoán tốc độ phát triển của vi tảo Chlorella vulgaris trên bề mặt vữa sử dụng phương pháp máy học. Các biến số đầu vào bao gồm loại phụ gia khoáng được sử dụng, hàm lượng phụ gia khoáng và thời gian vi tảo phát triển. | Trần Thu Hiền Tạp chí Khoa học và Công nghệ Đại học Duy Tân 03 40 2020 9-15 9 03 40 2020 9-15 Sử dụng phương pháp học máy dự đoán tốc độ phát triển của tảo Chlorella vulgaris trên bề mặt vữa Using machine learning approaches to estimate algal development on mortar surface Trần Thu Hiềna b Thu Hien Trana b a Viện Nghiên cứu và Phát Triển Công nghệ Cao Ðại học Duy Tân Ðà Nẵng Việt Nam b Khoa Xây dựng Trường Ðại học Duy Tân Ðà Nẵng Việt Nam a Institute of Research and Development Duy Tan University Da Nang 550000 Vietnam. b Faculty of Civil Engineering Duy Tan University Da Nang 550000 Vietnam. Ngày nhận bài 06 01 2020 ngày phản biện xong 07 02 2020 ngày chấp nhận đăng 27 6 2020 Tóm tắt Bài báo trình bày kết quả dự đoán tốc độ phát triển của vi tảo Chlorella vulgaris trên bề mặt vữa sử dụng phương pháp máy học. Các biến số đầu vào bao gồm loại phụ gia khoáng được sử dụng hàm lượng phụ gia khoáng và thời gian vi tảo phát triển. Dữ liệu đầu ra là diện tích bề mặt mẫu vữa bị tảo bao phủ sau các thời gian phát triển. Hai phương pháp máy học được sử sụng là mạng trí tuệ nhân tạo Artificial Neural Network ANN và Least Square Support Vector Machine LS-SVM . Kết quả cho thấy phương pháp LS-SVM dự đoán chính xác hơn nhiều so với phương pháp ANN. Từ khóa Máy học vi tảo vữa. Abstract This paper presents the results predicting the growth rate of algae Chlorella vulgaris on mortar surface using machine learning methods. The input variables include the type of mineral additives used the content of mineral additives and the growth period. The output data is the mortar surface ratio covered by algae after development periods. The two machine learning methods used are Artificial Neural Network ANN Least Square Support Vector Machine LS- SVM . The results show that the LS-SVM method predicts much more accurately than the ANN method. Keywords Machine learning algae mortar. 1. Giới thiệu chung và các thực vật bậc cao. Thông thường vi sinh Vữa là loại vật liệu thường được sử dụng để vật
