超高性能混凝土中FRP筋粘结强度的可解释增强机器学习预测

摘要整理

为评估纤维增强复合材料（FRP）筋在超高性能混凝土（UHPC）中的粘结强度，本研究基于前期实验数据集开发了增强机器学习模型。研究考虑的变量包括筋类型和直径、筋的弹性模量和抗拉强度、混凝土抗压强度和保护层厚度、埋入长度和试验方法。数据集包含两种试验方法：拔出试验和梁试验。考虑了四种筋类型，包括碳纤维增强复合材料（CFRP）筋、玻纤增强复合材料（GFRP）筋、玄武岩纤维筋和钢筋。应用的增强机器学习模型包括AdaBoost、CatBoost、梯度提升、XGBoost和直方图梯度提升。经过超参数优化后，这些模型在预测精度上取得显著提升，其中XGBoost模型表现最优，R²值达到0.95，均方根误差（RMSE）最低为2.21。Shapley值分析表明，抗拉强度、弹性模量和埋入长度是影响粘结强度的最关键因素。研究成果为机器学习模型在FRP增强UHPC粘结强度预测中的应用提供了有价值的参考，为结构工程提供了实用工具。

相关论文