基于可解释机器学习方法的RC深受弯构件开裂剪力预测

摘要

钢筋混凝土（Reinforced Concrete, RC）深受弯构件易发生脆性剪切破坏，斜裂缝产生及发展伴随全过程，开裂剪力是关键指标之一．建立了276根含开裂荷载信息的RC深受弯构件受剪试验数据库，采用机器学习XGBoost集成算法预测其开裂剪力，并采用5项统计指标评估机器学习模型的预测性能．从无腹筋和双向腹筋两类工况，对比了所建机器学习模型与5个半经验半理论计算公式的预测结果，表明所建预测模型的预测精度较高且离散性小，其R2为91%，预测值与试验值比值的均值为0.99，标准差为0.27．此外，采用SHAP(SHapley Additive ex Planations)可解释性方法对机器学习模型预测结果进行全局解释和局部解释，特征重要性排序由重要到一般依次为：加载板宽度、截面高度、混凝土抗压强度，表明所建模型及可解释性方法是符合机理的．

关键词

钢筋混凝土 / 深受弯构件 / 开裂剪力 / 机器学习方法 / SHAP