基于集成学习的FRP加固混凝土梁抗弯承载力预测研究

作     者：张书颖 陈适之 韩万水 吴刚 ZHANG Shu-ying;CHEN Shi-zhi;HAN Wan-shui;WU Gang

作者机构：长安大学公路学院西安710064 东南大学土木工程学院南京210096 

基　　金：国家重点研发计划项目(2019YFB1600702) 国家自然科学基金青年科学基金项目(52008027) 陕西省自然基金青年项目(2021JQ-269) 中央高校基本科研业务费优秀博士毕业生项目(300102211304) 

出 版 物：《工程力学》 (Engineering Mechanics)

年 卷 期：2022年第39卷第8期

页      码：245-256页

摘      要：为解决当前纤维增强复合材料(FRP)加固钢筋混凝土梁抗弯承载力预测中模型不统一、计算繁琐、精度有限等问题,建立了统一化的抗弯承载力预测模型。根据既有文献收集外贴式、端锚式和嵌入式3种FRP典型加固方式加固钢筋混凝土梁试验数据,确定影响加固梁承载力的关键因素,通过XGBoost(极限梯度提升树)算法训练回归各影响因素与加固后梁抗弯承载力间的非线性映射关系,得到统一化的FRP加固钢筋混凝土梁抗弯承载力预测模型。随后在测试样本集上对该模型的预测精度进行了验证,与基于支持向量回归(SVR)和人工神经网络(ANN)两种代表性机器学习算法得到的预测模型进行了横向对比,并分析了不同加固方式下的预测精度。研究结果表明:该文得到的基于XGBoost的抗弯承载力预测模型拟合优度R^(2)=0.9417,可见整体精度较高,有良好的性能;相比基于传统机器学习算法SVR和ANN建立的预测模型,基于集成学习算法XGBoost的拟合优度分别提升了8.00%及6.70%,均方根误差减少了33.94%和30.72%,平均绝对误差减少了32.38%和30.51%,表明基于XGBoost的模型精度更高,远优于SVR和ANN;基于XGBoost的模型在外贴式、端锚式和嵌入式加固方式下拟合优度分别达到0.9472、0.9631和0.9278,可见预测精度均表现优良,精度相当,说明该模型可以统一考虑三种不同加固方式;通过分析输入参数的特征重要性,说明了该模型的合理性。研究成果可为实际桥梁工程中FRP加固设计应用提供参考。

主 题 词：桥梁工程 承载力预测 集成学习 FRP加固 钢筋混凝土梁 

学科分类：08[工学] 0818[工学-交通运输类] 0805[工学-能源动力学] 0714[0714] 0814[工学-地质类] 0701[理学-数学类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.6052/j.issn.1000-4750.2021.06.0422

馆 藏 号：203113547...