基于类不平衡数据集的钢筋混凝土柱破坏模式判别方法

摘要：

针对钢筋混凝土柱破坏模式数据集存在类不平衡,导致传统机器学习算法对少数类破坏模式判别精度较低的问题,采用合成少数类过采样(SMOTE)算法合成少数类样本生成初始平衡数据集,利用基于特征权重的加权K-近邻算法衡量数据集样本的类内相似度,通过合理剔除离群值样本数据点重构新平衡数据集,并基于331组钢筋混凝土柱破坏模式不平衡数据(弯曲破坏203组、剪切破坏70组、弯剪破坏58组),结合6种经典机器学习算法,建立了基于类不平衡数据集的钢筋混凝土柱破坏模式判别方法.研究表明:与传统方法相比,该方法对于剪切破坏的精度、召回率和F,分数分别平均提高5.5％、8.7％和7.2％,对于弯剪破坏的精度、召回率和F1分数分别平均提高12.8％、15.7％和17％;随着破坏模式样本数据集不平衡程度的增大,该方法对机器学习算法分类性能的提升效果越明显.

关键词：钢筋混凝土柱、破坏模式判别、类不平衡数据集、合成少数类过采样算法、加权K-近邻算法

所属期刊栏目：44

分类号：TU375.3;TU318(建筑结构)

资助基金：国家自然科学基金;国家自然科学基金;广西杰出青年科学基金项目;广西研究生教育创新计划资助项目

在线出版日期：2023-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：273-285