基于机器学习的钢筋混凝土板在爆炸作用下的最大位移预测模型
钢筋混凝土(reinforced concrete,RC)板作为工程结构的主要受力构件,在遭受意外爆炸或恐怖袭击时极易发生破坏,甚至引起结构的整体倒塌,因此,了解和预测混凝土板在爆炸作用下的动力响应,对增强工程结构的抗爆防护能力、减轻生命和财产经济损失具有非常重要的意义.收集整理了国内外文献中普通RC板爆炸试验和基于试验进行参数化分析的数值模拟数据,采用机器学习回归算法中的支持向量机和高斯过程回归两种算法等对近场爆炸作用下RC板的最大位移进行预测;运用改进的偏差-方差分解原理对模型的泛化性能进行分析,同时将机器学习模型与现有的预测方法进行对比;最后,采用置换特征重要性和Sobol全局敏感性分析方法,从局部和整体对模型特征进行解释,增加模型的可靠性.结果表明:支持向量机和高斯过程回归两种机器学习方法的泛化性能都较好,并且高斯过程回归算法的预测效果优于支持向量机算法.对比现有预测方法发现,机器学习方法更优,具有较高的预测精度和计算效率,且得出了不同输入参数对模型输出结果的影响,实现了对输出结果的可解释性,进一步验证了其可靠性.研究结果可为机器学习在爆炸领域的应用提供参考.
机器学习、钢筋混凝土板、爆炸荷载、Sobol全局敏感性分析、偏差-方差分解
37
O383(爆炸力学)
国家重点实验室开放基金GZ21112
2023-05-11（万方平台首次上网日期，不代表论文的发表时间）
共15页
90-104
