FRP增强混凝土板冲切剪切强度的机器学习预测模型：对比研究

摘要整理

本研究聚焦于纤维增强复合材料（FRP）混凝土板的冲切强度预测。钢筋混凝土板的力学性能常受柱连接区域冲切剪切强度的制约。研究人员探索了采用纤维增强复合材料筋作为传统钢筋的替代方案来解决这一限制。然而，现行规范对FRP增强混凝土板冲切剪切强度的计算精度不足。本研究旨在建立一个鲁棒预测模型，准确预测其冲切剪切强度，从而改进FRP增强混凝土板复合结构的分析与设计。研究收集了189组实验数据，构建并评估了6种机器学习模型，包括线性回归、支持向量机、BP神经网络、决策树、随机森林和极端梯度提升（XGBoost），基于拟合优度、标准差和均方根误差进行模型选择。最优模型与现行规范和研究者提出的模型进行了对比。最后采用SHAP（SHapley Additive exPlanations）方法进行了模型可解释性分析。结果表明，随机森林在所有机器学习模型中表现最优，优于现行规范和研究者提出的模型。FRP增强混凝土板的有效深度是最重要的影响因素，与冲切剪切强度呈正相关。本研究不仅为FRP增强混凝土板的设计提供了指导，也为工程实践提供了参考。

相关论文