期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于ANN和XGB算法的锈蚀钢筋混凝土高温粘结强度预测方法
1
作者
刘廷滨
黄滔
+3 位作者
欧嘉祥
李云霞
艾岩
任正熹
《工程力学》
EI
CSCD
北大核心
2024年第S01期300-309,共10页
为准确评估锈蚀钢筋混凝土(CRC)结构在突发火灾下的结构承载力,锈蚀钢筋混凝土高温粘结强度的统一预测方法研究亟待开展。然而,粘结退化机理复杂,粘结因素众多,实验方法不能考虑所有粘结因素的相关复杂关系的影响。在现有大量试验数据...
为准确评估锈蚀钢筋混凝土(CRC)结构在突发火灾下的结构承载力,锈蚀钢筋混凝土高温粘结强度的统一预测方法研究亟待开展。然而,粘结退化机理复杂,粘结因素众多,实验方法不能考虑所有粘结因素的相关复杂关系的影响。在现有大量试验数据的基础上,采用机器学习方法可以有效地通过数据建立输入和输出特征之间的回归关系。该文利用ANN和XGB两种机器学习算法建立了一个统一的锈蚀钢筋混凝土高温粘结强度预测模型。基于612组高温锈蚀钢筋混凝土的试验研究数据,进行模型训练和测试。结果表明:ML模型的预测结果与实验结果十分吻合。此外,针对机器学习算法本身存在的黑盒子问题,使用SHAP方法来解决锈蚀钢筋混凝土高温粘结强度预测过程中的模型可解释性问题。同时,还将ML模型的计算结果与三种理论计算公式的结果进行了比较,结果表明:ML模型具有明显的优势。新构建的混合机器学习模型很有可能成为准确评估CRC结构经受高温后的损伤程度问题的新选择。
展开更多
关键词
人工神经网络(ANN)
极端梯度提升树(XGB)
锈蚀钢筋混凝土
高温粘结强度
SHAP方法
下载PDF
职称材料
题名
基于ANN和XGB算法的锈蚀钢筋混凝土高温粘结强度预测方法
1
作者
刘廷滨
黄滔
欧嘉祥
李云霞
艾岩
任正熹
机构
兰州交通大学土木工程学院
出处
《工程力学》
EI
CSCD
北大核心
2024年第S01期300-309,共10页
基金
中央引导地方科技发展资金项目(22ZY1QA005)
2023年度甘肃省优秀研究生“创新之星”项目(2023CXZX-602)。
文摘
为准确评估锈蚀钢筋混凝土(CRC)结构在突发火灾下的结构承载力,锈蚀钢筋混凝土高温粘结强度的统一预测方法研究亟待开展。然而,粘结退化机理复杂,粘结因素众多,实验方法不能考虑所有粘结因素的相关复杂关系的影响。在现有大量试验数据的基础上,采用机器学习方法可以有效地通过数据建立输入和输出特征之间的回归关系。该文利用ANN和XGB两种机器学习算法建立了一个统一的锈蚀钢筋混凝土高温粘结强度预测模型。基于612组高温锈蚀钢筋混凝土的试验研究数据,进行模型训练和测试。结果表明:ML模型的预测结果与实验结果十分吻合。此外,针对机器学习算法本身存在的黑盒子问题,使用SHAP方法来解决锈蚀钢筋混凝土高温粘结强度预测过程中的模型可解释性问题。同时,还将ML模型的计算结果与三种理论计算公式的结果进行了比较,结果表明:ML模型具有明显的优势。新构建的混合机器学习模型很有可能成为准确评估CRC结构经受高温后的损伤程度问题的新选择。
关键词
人工神经网络(ANN)
极端梯度提升树(XGB)
锈蚀钢筋混凝土
高温粘结强度
SHAP方法
Keywords
artificial neural network(ANN)
extreme gradient boosting(XGB)
corroded reinforced concrete(CRC)
high-temperature bond strength
SHAP method
分类号
TU375 [建筑科学—结构工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于ANN和XGB算法的锈蚀钢筋混凝土高温粘结强度预测方法
刘廷滨
黄滔
欧嘉祥
李云霞
艾岩
任正熹
《工程力学》
EI
CSCD
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部