Nghiên cứu này nhằm phát triển các mô hình học máy để dự báo giá trị Va (độ rỗng dư) dựa trên bộ dữ liệu gồm 74 mẫu thí nghiệm. Hai thuật toán học máy được sử dụng là Gradient Boosting và Random Forest, kết hợp với thuật toán tối ưu siêu tham số Honey Badger Algorithm (HBA) để tìm kiếm bộ siêu tham số tối ưu. DOI: http://doi.org/10.64588/jc.11.07.2026
TÁC GIẢ:
THS Hoàng Thị Thu Hiền*, THS Vũ Thành Hưng
Trường Đại học Công nghệ Giao thông vận tải
*Email: hienhtt@utt.edu.vn
THÔNG TIN BÀI BÁO
Chuyên mục: Khoa học công nghệ
Ngày nhận bài: 20/5/2026
Ngày sửa bài: 02/6/2026
Ngày chấp nhận đăng: 20/6/2026
Ngày xuất bản Online: 09/7/2026
Tác giả liên hệ: Email: hienhtt@utt.edu.vn
TÓM TẮT
Các chỉ tiêu thể tích của hỗn hợp đá vữa nhựa (SMA) sử dụng cốt liệu xỉ thép, đặc biệt là độ rỗng dư (Va) đóng vai trò quan trọng trong việc quyết định khả năng làm việc lâu dài của mặt đường. Tuy nhiên, việc xác định Va bằng thực nghiệm thường tốn nhiều thời gian và công sức. Nghiên cứu này nhằm phát triển các mô hình học máy để dự báo giá trị Va dựa trên bộ dữ liệu gồm 74 mẫu thí nghiệm. Hai thuật toán học máy được sử dụng là Gradient Boosting và Random Forest, kết hợp với thuật toán tối ưu siêu tham số Honey Badger Algorithm (HBA) để tìm kiếm bộ siêu tham số tối ưu. Kết quả cho thấy mô hình Gradient Boosting được tối ưu bởi HBA với kích thước quần thể tìm kiếm bằng 30 cho hiệu suất dự báo tốt nhất, với hệ số xác định (R²) đạt 0,935 trên tập huấn luyện và 0,930 trên tập kiểm tra. Các kết quả này chứng minh khả năng tổng quát hóa tốt của mô hình đối với dữ liệu chưa quan sát. Bên cạnh đó, một giao diện người dùng thân thiện cũng được xây dựng dựa trên mô hình tối ưu, góp phần hỗ trợ kỹ sư trong việc dự báo nhanh chóng giá trị Va của hỗn hợp SMA sử dụng cốt liệu xỉ thép từ các thông số đầu vào của vật liệu.
Từ khóa: Độ rỗng dư; hỗn hợp đá vữa nhựa; học máy; thuật toán tăng cường theo gradient; thuật toán rừng ngẫu nhiên.
TÀI LIỆU THAM KHẢO
[1] S.K. G, N. G C, G. G, U. M S, R. H K. Prediction of moisture damage properties of asphalt mixtures using machine learning models. Journal of Structural Integrity and Maintenance 10, 2475591, 2025, https://doi.org/10.1080/24705314.2025.2475591.
[2] B.-N. Phung, T.-H. Le, T.-A. Nguyen, H.-G.T. Hoang, H.-B. Ly. Novel approaches to predict the Marshall parameters of basalt fiber asphalt concrete. Construction and Building Materials 400, 132847, 2023.
[3] H.H. Awan, A. Hussain, M.F. Javed, Y. Qiu, R. Alrowais, A.M. Mohamed, D. Fathi, A.M. Alzahrani. Predicting marshall flow and marshall stability of asphalt pavements using multi expression programming. Buildings 12, 314, 2022.
[4] A. Upadhya, M.S. Thakur, P. Sihag. Predicting Marshall Stability of Carbon Fiber-Reinforced Asphalt Concrete Using Machine Learning Techniques, Int. J. Pavement Res. Technol. 17, 102-122, 2024, https://doi.org/10.1007/s42947-022-00223-5.
[5] A. Eleyedath, A.K. Swamy. Prediction of dynamic modulus of asphalt concrete using hybrid machine learning technique. International Journal of Pavement Engineering 23 (2022) 2083-2098, https://doi.org/10.1080/10298436.2020.1841191.
[6] J. Liu, F. Liu, Z. Wang, E.O. Fanijo, L. Wang. Involving prediction of dynamic modulus in asphalt mix design with machine learning and mechanical-empirical analysis. Construction and Building Materials 407, 133610, 2023.
[7] S. Wu, Y. Xue, Q. Ye, Y. Chen. Utilization of steel slag as aggregates for stone mastic asphalt (SMA) mixtures. Building and Environment 42, 2580-2585, 2007.
[8] W. Shao-peng, Y. Wen-feng, X. Yong-jie, L. Zhen-hua. Design and preparation of steel slag SMA, J. Wuhan Univ. Technol.-Mat. Sci. Edit. 18, 86-88, 2003, https://doi.org/10.1007/BF02838469.
[9] M. Alinezhad, A. Sahaf. Investigation of the fatigue characteristics of warm stone matrix asphalt (WSMA) containing electric arc furnace (EAF) steel slag as coarse aggregate and Sasobit as warm mix additive. Case Studies in Construction Materials 11, e00265, 2019.
[10] M. Pasetto, N. Baldo. Performance comparative analysis of stone mastic asphalts with electric arc furnace steel slag: a laboratory evaluation. Mater Struct 45, 411-424, 2012, https://doi.org/10.1617/s11527-011-9773-2.
[11] Z. Chen, S. Wu, L. Pang, J. Xie. Function Investigation of Stone Mastic Asphalt (SMA) Mixture Partly Containing Basic Oxygen Furnace (BOF) Slag. Journal of Applied Biomaterials & Functional Materials 14, 68-72, 2016, https://doi.org/10.5301/jabfm.5000307.
[12] L. Djakfar, M.Z. Arifin. COMPARISON OF THE MOISTURE RESISTANCE OF A STEEL-SLAG STONE MASTIC ASPHALT MIXTURE MODIFIED WITH CA (OH) 2. Eastern-European Journal of Enterprise Technologies 126, 2023. Internet: https://search.ebscohost.com/login.aspx?direct=true&profile=ehost&scope=site&authtype=crawler&jrnl=17293774&AN=174647549&h=tMH7mT6cEnDvX9Dy1FzOC9%2FwIfAf3%2B2ElaktGNHwLTWGs0UjT4o2yaPWILbGThDJOlBJxNeNJg7xGoTAt4AYTg%3D%3D&crl=c (accessed: December 11, 2024).
[13] X. Zhao, Y. Sheng, H. Lv, H. Jia, Q. Liu, X. Ji, R. Xiong, J. Meng. Laboratory investigation on road performances of asphalt mixtures using steel slag and granite as aggregate. Construction and Building Materials 315, 125655, 2022.
[14] A. Shen, H. Wu, X. Yang, Z. He, J. Meng. Effect of Different Fibers on Pavement Performance of Asphalt Mixture Containing Steel Slag, J. Mater. Civ. Eng. 32, 04020333, 2020, https://doi.org/10.1061/(ASCE)MT.1943-5533.0003427.
[15] P. Cui, T. Ma, S. Wu, G. Xu, F. Wang. Texture characteristic and its enhancement mechanism in stone mastic asphalt incorporating steel slag. Construction and Building Materials 369, 130440, 2023.
[16] C. Cao, X. Hu, J. Wan, S. Wu, W. Gan, Y. Zhang. Enhanced Thermal Insulation of Steel Slag Based on Ultrathin Friction Course with Ceramic Fiber. J. Mater. Civ. Eng. 35, 04023374, 2023, https://doi.org/10.1061/JMCEE7.MTENG-15983.
[17] F. Wang, Y. Xiao, P. Cui, T. Ma, X. Liu, F. Wang, L. Zhang. Enhancement mechanism of asphalt mixture skeleton structures due to morphological characteristics of steel slag. Construction and Building Materials 432, 136703, 2024.
[18] Y. Rajesh, P.S. Nadiu, P.S. Kumar. Experimental study-the use of bamboo fiber using SMA methodology in coarse aggregates. International Journal for Modern Trends in Science and Technology 3, 72-88, 2017.
[19] J. Wan, S. Wu, Y. Xiao, M. Fang, W. Song, P. Pan, D. Zhang. Enhanced ice and snow melting efficiency of steel slag based ultra-thin friction courses with steel fiber. Journal of Cleaner Production 236, 117613, 2019.
[20] D. Zhang, B.M. Sani, P. Xu, K. Liu, F. Gu. Preparation and characterization of binary eutectic phase change material laden with thermal conductivity enhancer for cooling steel slag asphalt pavement. Construction and Building Materials 388, 131688, 2023.
[21] D. Moazami, A. Sahaf, A. Mohamadzadeh Moghaddam. Investigating the Rutting Behavior of Modified Asphalt Mixtures with Waste Materials. Numerical Methods in Civil Engineering 3, 53-65, 2019.
[22] Y. Xue, H. Hou, S. Zhu, J. Zha. Utilization of municipal solid waste incineration ash in stone mastic asphalt mixture: Pavement performance and environmental impact. Construction and Building Materials 23, 989-996, 2009.
►Xem bài báo tại đây
