FRP约束混凝土圆柱体抗压强度可靠性机器学习预测模型开发

摘要整理

钢筋混凝土（RC）结构的劣化已成为混凝土工业的重大关切。现有结构的拆除被证明是不可持续的解决方案，且引发严重的经济问题。作为替代方案，加固领域提出了多种可持续解决方案，如采用纤维增强复合材料（FRP）对现有结构构件进行改造和加固。在过去四十年中，FRP改造因其质量轻、不易腐蚀等众多优势而备受关注，这些优势有助于提高RC构件的轴向、弯曲和剪切承载力。本研究采用解析模型和机器学习（ML）模型预测FRP约束混凝土圆柱体的抗压强度（CS）。研究收集了1151个圆柱体试件数据，采用的ML模型包括高斯过程回归（GPR）、支持向量机（SVM）、人工神经网络（ANN）、优化SVM和优化GPR模型。预测输入参数包括试件的几何特征、FRP复合材料的力学性能和混凝土抗压强度。将五种ML模型的结果与十九种解析模型进行对比。结果表明，优化GPR模型性能最优，相关系数、均方根误差、平均绝对百分比误差、平均绝对误差、a-20指数和Nash-Sutcliffe效率系数分别为0.9960、3.88 MPa、3.11%、2.17 MPa、0.9895和0.9921。优化GPR模型的R值分别比ANN、GPR、SVM和优化SVM模型高0.37%、0.03%、5.14%和2.31%，而ANN、GPR、SVM和优化SVM模型的均方根误差值分别比优化GPR模型高81.04%、12.5%、471.77%和281.45%。

相关论文