基于机器学习的钢-UHPC组合结构栓钉抗剪承载力研究

TU398.9; 组合结构良好的界面抗剪性能是充分发挥钢和超高性能混凝土(UHPC)材料性能的关键.为研究钢-UHPC组合结构栓钉剪力连接件抗剪性能,建立了UHPC中包含263个栓钉的推出试验数据库,进行了特征相关性分析,并分析了主要参数影响规律.基于机器学习算法训练并生成了10个栓钉抗剪承载力预测模型,通过8次随机抽样训练验证模型稳定性.采用确定系数(R2)、平均平方对数误差(RMSE)、平均绝对误差(MAE)等指标来评估预测精度,并与3种传统计算方法进行了比较.结果表明,UHPC抗压强度小于150 MPa的试验样本占比高达64.6%,而栓钉直径小于19 mm的试验样本占比达到73%,缺乏更...

Full description

Saved in:
Bibliographic Details
Published in东南大学学报（自然科学版） Vol. 55; no. 1; pp. 146 - 153
Main Authors 戚家南, 杜雨轩, 李立坤, 韩昀芝, 李旻轩, 衣忠强, 邹伟豪
Format Journal Article
LanguageChinese
Published 东南大学长大桥梁安全长寿与健康运维全国重点实验室,南京 211189 2025
东南大学桥梁研究中心,南京 211189%东南大学混凝土及预应力混凝土结构教育部重点实验室,南京 211189%中铁九局集团第一建设有限公司,苏州 215538
东南大学混凝土及预应力混凝土结构教育部重点实验室,南京 211189
Subjects
抗剪承载力
ultra-high performance concrete
机器学习
超高性能混凝土
stud
shear capacity
composite structures
栓钉
machine learning
组合结构
Online AccessGet full text
ISSN1001-0505
DOI10.3969/j.issn.1001-0505.2025.01.017

Cover

More Information
Summary:TU398.9; 组合结构良好的界面抗剪性能是充分发挥钢和超高性能混凝土(UHPC)材料性能的关键.为研究钢-UHPC组合结构栓钉剪力连接件抗剪性能,建立了UHPC中包含263个栓钉的推出试验数据库,进行了特征相关性分析,并分析了主要参数影响规律.基于机器学习算法训练并生成了10个栓钉抗剪承载力预测模型,通过8次随机抽样训练验证模型稳定性.采用确定系数(R2)、平均平方对数误差(RMSE)、平均绝对误差(MAE)等指标来评估预测精度,并与3种传统计算方法进行了比较.结果表明,UHPC抗压强度小于150 MPa的试验样本占比高达64.6%,而栓钉直径小于19 mm的试验样本占比达到73%,缺乏更高强度UHPC和大直径栓钉试验数据.传统公式预测精度低于机器学习模型预测精度.随机森林模型预测精度最高,R2 为0.98,MAE与RMSE分别为3.9和6.4;与传统模型最高精度相比,R2 提高了216%,MAE与RMSE分别降低了93%与90%,表明机器学习模型可大幅提升预测精度,为栓钉抗剪承载力计算提供了新的思路.
ISSN:1001-0505
DOI:10.3969/j.issn.1001-0505.2025.01.017