Mai Thị Hải Vân
Phó giáo sư/Tiến sỹ kỹ thuật
Trường Đại học Công nghệ Giao thông vận tải
Đơn vị: Khoa Công trình
Quá trình nghiên cứu khoa học
- stars 1. Các đề tài nghiên cứu khoa học đã tham gia
-
TTTên đề tàiNăm hoàn thànhĐề tài cấp
-
1Kinh nghiệm bồi dưỡng kiến thức cho sinh viên dự thi sinh viên giỏi môn học cơ sởVai trò: Đồng tác giả2008Cấp Trường
-
2Nghiên cứu xác định tải trọng giới hạn của tấm bê tông xi măng mặt đường có xét đến ảnh hưởng của biến dạng trượt ngangVai trò: Chủ nhiệm2018Cấp Trường
-
3Nghiên cứu ứng dụng trí tuệ nhân tạo để dự đoán cường độ chịu nén của bê tông tự đầm sử dụng trong xây dựng đườngVai trò: Chủ nhiệm2022Cấp Trường
-
4Nghiên cứu đề xuất giải pháp chế tạo bê tông tự chữa lành bằng công nghệ vi sinh vật để ứng dụng vào các cấu kiện bê tông cho các công trình giao thôngVai trò: Thành viên chính2022Cấp Bộ
- stars 2. Các công trình khoa học đã công bố
-
TTTên công trìnhNămNơi công bố
-
1Dự báo độ dẻo Marshall của hỗn hợp bê tông nhựa chặt bằng mô hình tăng cường độ dốc2025Tạp chí Khoa học và Công nghệ Giao thông
-
2Xây dựng mô hình Catboost để dự báo độ ổn định Marshall cho hỗn hợp bê tông nhựa chặtSố tháng 6 năm 2024Tạp chí Giao thông vận tải
-
3Application of Extreme Gradient Boosting in Predicting the Viscoelastic Characteristics of Graphene Oxide Modified Asphalt at Medium and High Temperatures2024Frontiers of Structural and Civil Engineering
-
4Dự báo cường độ chịu nén của bê tông xi măng cốt sợi kết hợp nano-silica bằng mô hình tăng cường độ dốc cấp cao có tinh chỉnh các siêu tham số bằng phương pháp tìm kiếm ngẫu nhiênSố tháng 4/2024Tạp chí Giao thông vận tải
-
5Advancing Basalt Fiber Asphalt Concrete Design: A Novel Approach Using Gradient Boosting and Metaheuristic Algorithms2023Case Studies in Construction Materials
-
6Dự báo độ ổn định Marshall của bê tông nhựa biến tính cao su lốp xe phế thải bằng mô hình CatboostSố tháng 6 năm 2023Tạp chí Giao thông vận tải
-
7Enhancing Compressive Strength Prediction of Roller Compacted Concrete using Machine Learning Techniques2023Measurement, ELSEVIER
-
8Application of Extreme Gradient Boosting in Predicting the Viscoelastic Characteristics of Graphene Oxide Modified Asphalt at Medium and High Temperatures2023Frontiers of Structural and Civil Engineering, Springer
-
9Dự báo cường độ chịu nén của bê tông tự lèn cốt sợi polypropylene bằng mô hình tăng cường độ dốc sử dụng kỹ thuật tối ưu hóa lần lượt các siêu tham sốSố tháng 4 năm 2023Tạp chí Giao thông vận tải
-
10Optimization of Machine Learning Models for Predicting The Compressive Strength of Fiber-Reinforced Self-Compacting Concrete2023Frontiers of Structural and Civil Engineering, Springer
-
11Toward Improved Prediction of Recycled Brick Aggregate Concrete Compressive Strength by Designing Ensemble Machine Learning Models2023Construction and Building Materials, Elsevier
-
12Development of machine learning methods to predict the compressive strength of fiber-reinforced self-compacting concrete and sensitivity analysis2023Construction and Building Materials, Elsevier
-
13Sử dụng phương pháp tìm kiếm theo lưới để tối ưu hóa các siêu tham số của mô hình rừng cây ngẫu nhiên trong dự báo hằn lún mặt đường của hỗn hợp bê tông nhựaSố tháng 12 năm 2022Tạp chí Giao thông vận tải
-
14A comparative assessment of tree-based predictive models to estimate geopolymer concrete compressive strength2022Neural Computing and Applications (NCAA)
-
15Tối ưu hóa các siêu tham số của mô hình Catboost để dự báo cường độ chịu nén của bê tông tự lèn2022Tạp chí Giao thông vận tải
-
16Dự đoán cường độ nén của bê tông tro bay bằng mô hình máy học kết hợp dựa trên thuật toán cây quyết định2022Tạp chí Giao thông vận tải
-
17Machine Learning Approach in Investigating Carbonation Depth of Concrete Containing Fly Ash2022Structural Concrete
-
18Nghiên cứu ứng dụng mô hình rừng cây ngẫu nhiên để dự báo độ chảy loang của bê tông tự lèn và phân tích tầm quan trọng của các yếu tố ảnh hưởng đến độ chảy loang2022Tạp chí Cầu đường
-
19Ứng dụng giải thuật phục hồi mạng lan truyền ngược để dự báo cường độ chịu nén của bê tông tự lèn sử dụng tro baySố tháng 12.2021Tạp chí GTVT
-
20On The Training Algorithms for Artificial Neural Network in Predicting compressive strength of recycled aggregate concrete2021CIGOS 2021, Emerging Technologies and Applications for Green Infrastructure
-
21NGHIÊN CỨU ỨNG DỤNG MÔ HÌNH RỪNG CÂY NGẪU NHIÊN ĐỂ DỰ ĐOÁN MR CỦA VẬT LIỆU LÀM LỚP MÓNG TRONG KẾT CẤU MẶT ĐƯỜNG Ô TÔ2021Tạp chí GTVT
-
22Nghiên cứu ứng dụng mô hình mạng nơ ron nhân tạo dự báo mô đun đàn hồi động của vật liệu đất đắp nền đườngSố tháng 9/2021Tạp chí Khoa học GTVT
-
23Development of deep neural network model to predict the compressive strength of rubber concrete2021Construction and building material, Elsevier
-
24Nghiên cứu ứng dụng mô hình trí tuệ nhân tạo dự báo cường độ nén của bê tông sử dụng cốt liệu tái chế2021Tạp chí Khoa học GTVT
-
25Nghiên cứu ứng dụng mô hình rừng cây ngẫu nhiên để dự đoán cường độ chịu nén của bùn cứng hóa bằng xi măng, lưới đánh cá và bọt khíSố tháng 1+2 năm 2021Tạp chí Giao thông vận tải
-
26Nghiên cứu lựa chọn giải pháp hợp lý giải quyết vấn đề lún lệch giữa đường nội bộ với các công trình trong khu công nghiệp xây dựng trên đất yếu2019Tạp chí Giao thông vận tải
-
27Nghiên cứu ứng dụng giải pháp tường chắn bằng bê tông cốt sợi thành mỏng bảo vệ taluy âm của đường đi ven sông hồ2019Tạp chí Giao thông vận tải
-
28Analyze the elasticity of the bending plate on the winkler foundation have to consider the effect of transverse shearing deformations by the variational principle of energy1/2018Vasect journal of structural engineering & contruction technology
-
29Nghiên cứu ảnh hưởng của biến dạng trượt ngang đến sự phân bố nội lực và độ võng của tấm trên nền đàn hồi12/2017Tạp chí Giao thông vận tải
-
30Phương pháp xác định tải trọng giới hạn của tấm tựa khớp theo hai định lý giới hạn10/2016Tạp chí Giao thông vận tải
-
31Phương pháp tính tấm trên nền đàn hồi chịu uốn có xét biến dạng trượt ngang sử dụng nội lực làm ẩn10/2015Tạp chí Giao thông vận tải
-
32Phương pháp tính tấm chữ nhật chịu uốn có xét biến dạng trượt ngang sử dụng nội lực làm ẩn7/2015Tạp chí Giao thông vận tải
-
33Phân tích đàn hồi tấm chữ nhật chịu uốn sử dụng nội lực làm ẩn4/2014Tạp chí Cầu đường Việt Nam
- stars 3. Giáo trình, tài liệu đã xuất bản
-
TTTên giáo trình, tài liệuNămNơi xuất bản
-
1Phân tích giới hạn tấm chữ nhật chịu uốn trên nền đàn hồi2020Nhà xuất bản Khoa học tự nhiên và công nghệ
-
2Dự toán công trình2024Nhà xuất bản Xây dựng
- stars 4. Hướng dẫn sau đại học
-
TTHọc viênTên luận văn, luận ánNăm hoàn thành
-
1Phùng Khắc HuyNghiên cứu ứng dụng giải pháp tường chắn bằng bê tông cốt sợi thành mỏng bảo vệ mái taluy âm của đường đi ven sông hồTrình độ: Thạc sĩ2019
-
2Vũ Thành TrungNghiên cứu giải pháp xử lý nền đất yếu đường đầu cầu – áp dụng cho cầu Xuân Phương – Huyện Phú Bình – Tỉnh Thái NguyênTrình độ: Thạc sĩ2019
-
3Phan Đức DuyNghiên cứu lựa chọn giải pháp hợp lý giải quyết vấn đề lún lệch giữa đường nội bộ với các công trình trong khu công nghiệp xây dựng trên đất yếu tại khu công nghiệp Thanh Bình huyện Chợ Mới tỉnh Bắc KạnTrình độ: Thạc sĩ2020
-
4Bùi Văn CôngNghiên cứu điều kiện tương quan lưu lượng giữa các loại hình dạng mặt cắt của công trình thoát nước mặt đườngTrình độ: Thạc sĩ2020
-
5Đỗ Văn TrườngNghiên cứu, lựa chọn phương pháp tính toán tải trọng giới hạn của tấm bê tông xi măng mặt đườngTrình độ: Thạc sĩ2020
-
6Lê Việt HưngNghiên cứu lựa chọn giải pháp cọc đất gia cố xi măng để xử lý nền đất yếu, áp dụng cho dự án “Nút giao đường vành đai 3 với đường ô tô cao tốc Hà Nội – Hải Phòng”Trình độ: Thạc sĩ2021
-
7Nguyễn Hồng PhongNghiên cứu dự báo cường độ chịu nén của bê tông xi măng tự đầm sợi polypropylene bằng mô hình máy học có sử dụng kỹ thuật tối ưu hóa siêu tham sốTrình độ: Thạc sĩ2023
-
8Phạm Thanh ThủyHoàn thiện công tác quản lý chất lượng công trình dân dụng của Ban Quản lý dự án đầu tư xây dựng công trình dân dụng thành phố Hà NộiTrình độ: Thạc sĩ2023
-
9Đào Anh TuấnNghiên cứu ứng dụng các mô hình máy học để dự báo và phân tích các yếu tố ảnh hưởng đến cường độ chịu nén của bê tông đầm lănTrình độ: Thạc sĩ2023
-
10Đỗ An BiênNghiên cứu so sánh, lựa chọn mô hình máy học tối ưu để dự báo và phân tích các yếu tố ảnh hưởng đến cường độ chịu nén của bê tông tự lènTrình độ: Thạc sĩ2023