基于机器学习方法的小跨高比SPRC连梁承载力预测

摘要

为了更方便地预测小跨高比钢板-混凝土组合（steel plate-concrete reinforced composite, SPRC）连梁的承载力，通过机器学习（machine learning, ML）的方法对SPRC连梁展开承载力预测模型研究，具有重要意义。首先收集了现有的试验数据建立了SPRC连梁数据库，在此基础上，通过极限学习机（extreme learning machine, ELM）算法、反向传播神经网络（back propagation neural network, BPNN）算法、支持向量机（support vector machine, SVM）算法、K临近（K nearest neighbor, KNN）算法、随机森林（random forest, RF）算法以及极端梯度提升（extreme gradient boosting, XGBoost）算法等6种ML算法进行了数据的回归训练。通过模型性能指标对比分析，发现基于XGBoost算法的预测模型具有最好的鲁棒性和泛化能力，相比于软化拉压杆模型（softened strut-and-tie model, SSTM）具有更高的计算精度和稳定性，并提出了基于ML方法的高精度SPRC连梁承载力预测模型。此外，还对影响SPRC连梁的承载力参数进行了敏感性分析，结果表明各特征参数对于SPRC连梁承载力的影响程度从大到小依次是：钢板配板率（ρ_p）、连梁截面高度（h）、连梁截面宽度（b）、跨高比（l_n/h）、箍筋屈服强度(f_vy)、纵筋配筋率（ρ_s）、纵筋屈服强度(f_sy)、箍筋配箍率（ρ_t）、钢板屈服强度(f_py)、混凝土抗压强度(f_cu)。

关键词

小跨高比 / SPRC连梁 / 机器学习 / 鲁棒性 / 承载力预测