基于机器学习的再生骨料混凝土梁抗剪承载力预测

为解决当前再生骨料混凝土(RAC)梁缺乏统一抗剪承载力计算模型、相关试验工作量大且难以得出规律性结论等问题,建立了基于机器学习的RAC梁抗剪承载力预测模型。根据既有文献收集468根RAC矩形梁试件的抗剪性能试验数据,通过研究截面宽度、截面有效高度、再生粗骨料取代率、立方体抗压强度、轴心抗拉强度、剪跨比、纵筋配筋率和配箍特征值对再生骨料混凝土梁抗剪承载力的影响,结合逻辑回归(LR)、决策树(DT)、AdaBoost(AB)、支持向量机(SVM)以及人工神经网络(ANN)5种机器学习算法进行学习和训练,建立再生骨料混凝土梁抗剪承载力预测模型并比较预测效果,分析不同机器学习算法预测精度。研究结果表明:ANN算法与AdaBoost算法均能准确预测出再生骨料混凝土梁抗剪承载力,决定系数R2大于0.9,平均绝对误差MAE分别为18.66、15.96。根据精度统计指标,建议再生骨料混凝土梁的预测计算优先使用ANN算法和AdaBoost算法。最后,基于收集试验数据与回归分析,提出RAC梁抗剪承载力建议式。