基于可解释机器学习的锈蚀RC构件抗剪承载力预测模型

摘要

基于机理方法推导的锈蚀钢筋混凝土（RC）构件抗剪承载力模型通常引入一系列假定与修正系数，导致计算结果精度不高和适用性有限。本文基于数据驱动，考虑黑箱模型的可信度与输入特征的合理性，选择锈蚀RC构件的几何尺寸、纵筋配筋率、箍筋屈服强度、箍筋锈蚀率、混凝土强度等关键基本特征，建立了基于可解释机器学习算法的实用模型。结果表明，所有基本特征中锈蚀率、有效高度、剪跨比与梁宽对抗剪承载力较为敏感；本预测模型阐明了锈蚀RC构件关键基本参数与抗剪承载力间显性映射关系，相较于经验模型与黑箱模型，它具有较高的透明度与预测精度。

关键词

土木工程 / RC构件 / 锈蚀 / 抗剪承载力 / 可解释机器学习 / 特征选择