节点文献
基于ANN和XGB算法的锈蚀钢筋混凝土高温粘结强度预测方法
【作者】 刘廷滨； 黄滔； 欧嘉祥； 李云霞； 艾岩； 任正熹；
【机构】 兰州交通大学土木工程学院；
【摘要】 为准确评估锈蚀钢筋混凝土(CRC)结构在突发火灾下的结构承载力,锈蚀钢筋混凝土高温粘结强度的统一预测方法研究亟待开展。然而,粘结退化机理复杂,粘结因素众多,实验方法不能考虑所有粘结因素的相关复杂关系的影响。在现有大量试验数据的基础上,采用机器学习方法可以有效地通过数据建立输入和输出特征之间的回归关系。本文利用ANN和XGB两种机器学习算法建立了一个统一的锈蚀钢筋混凝土高温粘结强度预测模型。基于612组高温锈蚀钢筋混凝土的试验研究数据,进行模型训练和测试。结果表明,机器学习模型预测效果良好,比经验计算公式具有更高的精度。此外,针对机器学习算法本身存在的黑盒子问题,使用SHAP方法来解决锈蚀钢筋混凝土高温粘结强度预测过程中的模型可解释性问题。新构建的混合机器学习模型很有可能成为准确评估CRC结构经受高温后的损伤程度问题的新选择。
【关键词】 人工神经网络(ANN)；
极端梯度提升树(XGB)；
锈蚀钢筋混凝土；
高温粘结强度；
SHAP方法；
【基金】 中央引导地方科技发展资金项目：高速铁路服役安全与智能维护(22ZY1QA005)
- 【会议录名称】 第32届全国结构工程学术会议论文集（第II册）
- 【会议名称】第32届全国结构工程学术会议
- 【会议时间】2023-11-10
- 【会议地点】中国江西赣州
- 【分类号】TU375
- 【主办单位】中国力学学会结构工程专业委员会、江西理工大学、中国力学学会《工程力学》编委会、清华大学土木工程系、水沙科学与水利水电工程国家重点实验室（清华大学）、土木工程安全与耐久教育部重点实验室（清华大学）