基于可解释机器学习的锈蚀RC构件抗剪承载力预测模型

• 全文链接
• 请求原文

作   者：

戴理朝;  王冲;  袁平;  王磊; 

作者机构：

长沙理工大学土木工程学院; 

关键词：

RC构件;  抗剪承载力;  可解释机器学习;  土木工程;  特征选择;  锈蚀; 

期刊名称：

吉林大学学报(工学版)

i s s n：

1671-5497

年卷期：

2024 年 54 卷 011 期

页   码：

3231-3243

摘   要：

基于机理方法推导的锈蚀钢筋混凝土（RC）构件抗剪承载力模型通常引入一系列假定与修正系数，导致计算结果精度不高和适用性有限。本文基于数据驱动，考虑黑箱模型的可信度与输入特征的合理性，选择锈蚀RC构件的几何尺寸、纵筋配筋率、箍筋屈服强度、箍筋锈蚀率、混凝土强度等关键基本特征，建立了基于可解释机器学习算法的实用模型。结果表明，所有基本特征中锈蚀率、有效高度、剪跨比与梁宽对抗剪承载力较为敏感；本预测模型阐明了锈蚀RC构件关键基本参数与抗剪承载力间显性映射关系，相较于经验模型与黑箱模型，它具有较高的透明度与预测精度。