摘要
为准确地对锈蚀状态下钢筋混凝土(Reinforced Concrete,RC)梁的抗弯承载能力进行预测,首先收集了锈蚀RC梁的抗弯试验数据,随后基于集成学习算法梯度提升树(Gradient Boosting Decision Tree,GBDT)建立了锈蚀RC梁抗弯承载力预测模型,最后在测试集上进行了模型精度的测试,并与基于单一机器学习算法多层感知机(Multilayer Perceptron,MLP)和套索回归(Lasso Regression,LR)建立的锈蚀RC梁抗弯承载力预测模型进行比对。结果表明,本研究建立的基于GBDT的锈蚀RC梁抗弯承载力预测模型在训练集、测试集上的拟合优度分别达到0.9999、0.9255,可用于锈蚀RC梁的抗弯承载力预测;与基于单一机器学习算法MLP和LR建立的模型相比,基于GBDT的模型的均方根误差分别降低了97.27%、25.72%和98.50%、40.59%,平均绝对误差分别降低了98.84%、28.90%和99.47%、53.85%,优势明显。本研究结果证明了基于GBDT的预测模型具有优异的性能。
出处
《公路》
北大核心
2023年第12期309-314,共6页
Highway
基金
山东省交通运输厅科技计划项目,项目编号2021B51
交通运输行业重点科技项目,项目编号2021-ZD1-011
山东省自然科学基金青年项目,项目编号ZR2020QE261
国家自然科学基金,项目编号518708058,52008027。
