基于小样本机器学习的矩形截面高层建筑风荷载体型系数预测

摘要：

为研究小样本训练集下机器学习矩形截面高层建筑整体风压预测效果,应用多种经典机器学习方法对建筑基底整体风荷载体型系数进行了预测模型的训练与测试.比较了不同机器学习方法训练得到的模型预测精度差异,并提出基于二阶集成的广义回归网络.经测试表明,基于该方法训练得到的预测模型具有良好的精度及鲁棒性.利用该预测模型预测了矩形截面高层建筑基底的顺风向和横风向最大体型系数随着长宽比的变化规律.预测结果表明,顺风向体型系数随长宽比增大先增大后减小,最大值出现在长宽比为2左右,而当长宽比大于4后基本稳定在约1.35;而横风向体型系数最不利值分布在0.35～1.10之间,且随长宽比增大呈增大趋势.

关键词：高层建筑、矩形截面、风荷载体型系数、机器学习、集成广义回归网络

所属期刊栏目：44

分类号：TU973;TU311.41(地下建筑)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：137-145