基于生成对抗网络的芳纶纤维增强复合材料约束混凝土力学性能可解释性数据驱动集成学习模型

摘要整理

本研究提出了一种数据驱动方法预测芳纶FRP约束混凝土的极限应变和抗压强度。从文献中收集实验数据库，训练了七种不同的机器学习模型。以圆柱形试件的直径和长度、未约束混凝土的抗压强度、FRP包裹层的厚度、弹性模量和极限抗拉强度作为机器学习模型的输入特征，预测试件的极限强度和应变。采用表格生成对抗网络（TGAN）方法利用合成数据进一步增强实验数据集。将机器学习模型的性能与现有的芳纶FRP约束混凝土应变容量和抗压强度预测方程进行比较。使用决定系数、平均绝对误差和均方根误差等先进统计指标评估预测模型的准确性。平均而言，机器学习模型的性能优于文献中现有方程。特别是，极端随机树回归器、XGBoost和K近邻算法表现显著优于其他算法，R²得分均大于0.98。此外，采用SHAP（SHapley加性解释）方法和个体条件期望（ICE）图表可视化各输入参数对预测极限应变和强度值的影响。研究发现，未约束混凝土的抗压强度和FRP包裹层的极限抗拉强度对机器学习模型输出的影响最大。

相关论文