外贴FRP增强混凝土梁抗扭强度的机器学习模型

摘要整理

钢筋混凝土（RC）梁在显著扭转作用下的加固是一个持续研究的领域。纤维增强复合材料（FRP）因其优异性能成为最受欢迎的加固材料。机器学习模型已成功模拟受多个参数影响的复杂力学行为。本研究建立了一个机器学习模型，用于计算采用外贴（EB）FRP加固的混凝土梁的极限抗扭强度。研究收集了已发表文献中的实验数据集，总结了现有模型，开发并评估了多个机器学习模型。最优模型为宽神经网络，其预测精度最高，决定系数R²=0.93、均方根误差RMSE=1.66、平均绝对误差MAE=0.98、平均安全系数=1.11、变异系数=45%。该模型与现有文献模型进行了进一步对比，相比现有模型显示出与实验结果的一致性和准确性更优。此外，研究识别并讨论了各参数对强度的影响规律。最主要的输入参数是有效深度，其次是FRP配筋率和加固方案，而纤维方向对预测精度的影响最小。该模型为FRP加固混凝土梁的抗扭设计提供了新的技术手段。

相关论文