应用/结构英文2022被引 14

基于混合机器学习模型的FRP筋粘结强度估算

Estimating the Bond Strength of FRP Bars Using a Hybrid Machine Learning Model

Ran Li, Lulu Liu, Ming Cheng · School of Architecture and Civil Engineering, Zhengzhou University of Industrial Technology, Zhengzhou 451100, China

Ask AI about this

期刊 / 来源Buildings

卷/期/页12 / 10 / 1654

DOI10.3390/buildings12101654

原文链接查看原文 ↗

关键词：FRP筋粘结强度极限学习机粒子群优化机器学习敏感性分析混凝土

摘要整理

纤维增强复合材料（FRP）筋替代普通钢筋可有效防止钢筋腐蚀，但其粘结性能相对较弱。为准确估算FRP筋的粘结强度，本文基于222个样本数据，提出了一种粒子群优化-极限学习机混合模型。该模型采用6个输入特征变量：筋位置（P）、筋表面状况（SC）、筋直径（D）、混凝土抗压强度（fc）、筋埋深与筋直径比（L/D）以及混凝土保护层厚度与筋直径比（C/D），并通过敏感性分析量化了各输入参数的相对重要性。研究结果表明，所提模型对FRP筋粘结强度的估算精度显著提高，决定系数R²=0.945，相比原始极限学习机模型的R²=0.926有明显改善，表明该模型可作为FRP筋粘结性能分析的辅助工具。敏感性分析结果表明，参数L/D对粘结强度输出的影响最为显著。

基于混合机器学习模型的FRP筋粘结强度估算

摘要整理

相关论文