Volume 4,Issue 9
基于机器学习的内置角钢CFST 抗压承载力预测模型
为提高内置角钢钢管混凝土构件抗压承载力的预测精度，本文建立了包含133组试验样本的内置角钢CFST 抗压承载力数据库。选取钢管直径、壁厚、构件长度、钢材屈服强度、混凝土抗压强度、角钢宽度、角钢厚度及角钢屈服强度等8个参数作为输入特征，以轴向承载力为输出目标。分别采用随机森林（Random Forest, RF）、极端梯度提升（eXtremeGradient Boosting, XGBoost）和轻量级梯度提升机（Light Gradient Boosting Machine, LightGBM）三种集成学习算法建立抗压承载力预测模型，采用贝叶斯优化方法实现超参数自适应寻优，并通过20次随机重复试验评估模型稳定性。结果表明：XGBoost 模型综合性能最优，20次重复试验平均决定系数R2达0.9284，平均绝对误差MAE 为322.61kN，均方根误差RMSE 为502.87kN；三种模型的特征重要性分析均表明钢管直径、钢材屈服强度与混凝土抗压强度为关键影响参数，角钢参数呈协同增强效应。研究成果可为内置角钢CFST 构件的智能化承载力预测提供参考。
[1] 韩林海. 钢管混凝土结构理论与实践[M]. 北京: 科学出版社, 2007.
[2] 韩林海, 杨有福. 现代钢管混凝土结构技术[M]. 北京: 中国建筑工业出版社, 2007.
[3] 王军. 内配格构式角钢圆钢管混凝土力学性能研究及应用[D]: [ 博士学位论文]. 杭州: 浙江大学, 2018.
[4] 陈哲, 王军, 俞培祥, 等. 内配格构式角钢圆钢管混凝土梁受弯承载力试验及计算[J]. 钢结构, 2019, 34(2): 41-45.
[5] 何益斌, 张铁成, 肖阿林, 等. 极限平衡法分析钢骨- 钢管混凝土短柱承载力的简化方法[J]. 铁道科学与工程学报, 2006, 3(5): 46-49.
[6] 史艳莉, 王文达, 王亚伟. 内配型钢方钢管混凝土轴压短柱力学性能及参数分析[J]. 工程力学, 2014, 31(1): 201-206.
[7] 王清湘, 赵大洲, 关萍. 轴心受压钢骨- 钢管高强混凝土组合柱力学性能的研究[J]. 东南大学学报( 自然科学版), 2002, 32(5): 710-714.
[8] 陈宝春, 韦建刚. 钢管混凝土拱桥研究现状与展望[J]. 建筑结构学报, 2020, 41(8): 1-15.
[9] Tran V L, Thai D K, Kim S E. Application of ANN in Predicting ACC of SCFST Column[J]. Composite Structures, 2019, 228: 111332.
[10] Breiman L. Random Forests[J]. Machine Learning, 2001, 45(1): 5-32.
[11] Chen T, Guestrin C. XGBoost: A Scalable Tree Boosting System[C]//Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data
Mining. New York: ACM, 2016: 785-794.
[12] Ke G, Meng Q, Finley T, et al. LightGBM: A Highly Efficient Gradient Boosting Decision Tree[C]//Advances in Neural Information Processing Systems. Long Beach:
Curran Associates, 2017: 3146-3154.
[13] 陈曦泽, 贾俊峰, 白玉磊, 等. 基于XGBoost-SHAP 的钢管混凝土柱轴向承载力预测模型[J]. 浙江大学学报( 工学版), 2023, 57(6): 1061-1070.
[14] Cai J M, Pan J L, Wu Y F. Mechanical Behavior of Steel-Reinforced Concrete Filled Steel Tubular (SRCFST) Columns under Uniaxial Compressive Loading[J]. Thin-
Walled Structures, 2015, 97: 1-10.
[15] Xu F, Chen J, Jing W L. Experimental Investigation of Thin-Walled Concrete Filled Steel Tube Columns with Reinforced Lattice Angle[J]. Thin-Walled Structures, 2014,
84: 59-67.
[16] 徐菲. 薄壁圆钢管混凝土构件与节点力学性能研究[D]: [ 博士学位论文]. 杭州: 浙江大学, 2016.
[17] 侯新宇. 格构式钢骨- 钢管混凝土构件轴压性能及承载力计算方法研究[D]: [ 硕士学位论文]. 西安: 西安建筑科技大学, 2020.
[18] Yang Z M, Chen J, Wang F Y, et al. Seismic Performance of Circular Concrete-Filled Steel Tube Columns Reinforced with Inner Latticed Steel Angles[J]. Journal of
Constructional Steel Research, 2023, 201: 107735.
[19] Breiman L. Bagging Predictors[J]. Machine Learning, 1996, 24(2): 123-140.
[20] Friedman J H. Greedy Function Approximation: A Gradient Boosting Machine[J]. Annals of Statistics, 2001, 29(5): 1189-1232.
[21] Snoek J, Larochelle H, Adams R P. Practical Bayesian Optimization of Machine Learning Algorithms[C]//Advances in Neural Information Processing Systems 25. Lake
Tahoe: Curran Associates, 2012: 2951-2959.
[22] Shahriari B, Swersky K, Wang Z Y, et al. Taking the Human out of the Loop: A Review of Bayesian Optimization[J]. Proceedings of the IEEE, 2016, 104(1): 148-175.
[23] Hyndman R J, Koehler A B. Another Look at Measures of Forecast Accuracy[J]. International Journal of Forecasting, 2006, 22(4): 679-688.