Tạp chí Khoa học Công nghệ Xây dựng, ĐHXDHN, 2021, 15 (7V): 119–130 MÔ HÌNH HÓA KHỚP DẺO TRONG ĐÁNH GIÁ PHÁ HOẠI ĐỊA CHẤN CỦA CỘT BÊ TÔNG CỐT THÉP DỰA TRÊN MẠNG NƠRON NHÂN TẠO Phan Hoàng Nam a,∗ , Hồ Mạnh Hùng a , Nguyễn Minh Hải a , Hoàng Phương Hoa a a Khoa Xây dựng Cầu đường, Trường Đại học Bách khoa, Đại học Đà Nẵng, 54 Nguyễn Lương Bằng, quận Liên Chiểu, Đà Nẵng, Việt Nam Nhận ngày 15/9/2021, Sửa xong 08/11/2021, Chấp nhận đăng 18/11/2021 Tóm tắt Bài báo trình bày khả năng áp dụng mạng nơron nhân tạo (Artificial neural network - ANN) trong xây dựng mô hình khớp dẻo của cột bê tông cốt thép (BTCT) chịu động đất nhằm phục vụ cho mô hình hóa số, phân tích ứng xử và đánh giá phá hoại địa chấn của loại kết cấu này. Phương pháp dựa trên bộ dữ liệu thí nghiệm gia tải lặp đảo chiều của cột BTCT tiết diện chữ nhật. Cụ thể, mối quan hệ giữa các tham số đầu vào và các tham số tới hạn của cột trước hết được thiết lập dựa trên mô hình ANN. Trong đó, cơ sở dữ liệu thí nghiệm của 800 mẫu được chia thành các tập huấn luyện, tập kiểm thử và tập xác thực cho cho mô hình. Phân tích mạng tối ưu trước hết được thực hiện. Kết quả cho thấy kiến trúc ANN 2 lớp ẩn và 24 nơron trong 1 lớp ẩn có khả năng ước lượng tốt nhất. Tính hiệu quả của mô hình trong việc ước lượng các tham số tới hạn của cột với các cơ chế phá hoại khác nhau được xác thực với các kết quả thực nghiệm đã được công bố. Nghiên cứu chỉ ra rằng mô hình đề xuất có thể áp dụng để phân tích ứng xử địa chấn cũng như đánh giá được trạng thái sụp đổ của cột BTCT tiết diện chữ nhật với độ chính xác cao. Từ khoá: cột BTCT; mạng nơron nhân tạo; thí nghiệm gia tải lặp đảo chiều; mô hình khớp dẻo; ứng xử địa chấn. PLASTIC HINGE MODELING FOR SEISMIC DAMAGE ASSESSMENT OF RECTANGULAR REIN- FORCED CONCRETE COLUMNS BASED ON ARTIFICIAL NEURAL NETWORK Abstract This paper presents the possibility of applying an artificial neural network (ANN) model in the development of plastic hinge models of reinforced concrete (RC) columns; this allows rapidly modeling, analyzing responses, and assessing damage states of this type of structure. The method is based on a dataset of the cyclic loading test collected to build a plastic hinge model for rectangular RC columns. In particular, the relationship between the input parameters and the critical parameters of RC columns is first established based on the ANN model. In which, the dataset of 800 specimens from the literature is divided into the training set, test set, and validation set for the model. The optimal ANN architecture analysis is first performed. The results show that the ANN model with 2 hidden layers and 24 neurons in one hidden layer gives the best prediction. The effectiveness of the training model on predicting modeling parameters of the plastic hinge model of an RC column is verified with available experimental data. The study shows that the proposed model can be applied to rapidly analyze the seismic response, including both nonlinear static and dynamic, as well as the collapse assessment of rectangular RC columns with high accuracy. Keywords: RC column; artificial neural network; quasi-static cyclic loading test; plastic hinge model; seismic response. https://doi.org/10.31814/stce.huce(nuce)2021-15(7V)-11 © 2021 Trường Đại học Xây dựng Hà Nội (ĐHXDHN) ∗ Tác giả đại diện. Địa chỉ e-mail: phnam@dut.udn.vn (Nam, P. H.) 119