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.