基于XGBoost算法的多参数输入钢筋混凝土裸框架损伤极限预测研究

针对传统固定层间位移角（IDR）限值在评估不同设计参数钢筋混凝土（RC）框架结构时存在的误差问题，研究人员采用极端梯度提升（XGBoost）算法，通过17,820组非线性时程分析数据，构建了多参数耦合影响的IDR损伤极限预测模型，准确率达90.75%，为地震损伤评估提供了高精度动态判据。

　　

地震作为最具破坏性的自然灾害之一，其引发的建筑结构损伤直接威胁城市安全。传统抗震评估中，层间位移角（Inter-story Drift Ratio, IDR）因其计算简便被广泛用作损伤判据，但固定IDR限值忽略了轴向荷载比、钢材等级、柱长细比等关键设计参数的影响，导致评估误差可达200%-300%。如何建立动态IDR限值模型成为地震工程领域的核心挑战。

针对这一难题，深圳大学的研究团队在《Soil Dynamics and Earthquake Engineering》发表创新性研究。通过建立162个不同参数的钢筋混凝土（Reinforced Concrete, RC）裸框架模型，完成17,820组非线性时程分析，首次将极端梯度提升（eXtreme Gradient Boosting, XGBoost）算法引入IDR损伤极限预测，构建了多参数耦合作用下的动态评估体系。

关键技术方法包括：

1. 参数化建模：设计3-9层、跨度4.5-7.5m的RC框架，系统调整轴向荷载比（0.1-0.5）、钢材等级（HRB335/HRB400）、柱长细比（15-30）等7类参数；
2. 非线性时程分析：采用OpenSees平台模拟地震响应，基于材料应变准则判定损伤状态（轻微、中等、严重）；
3. 机器学习建模：以设计参数为特征、IDR限值为标签，训练XGBoost模型，通过SHAP值解析参数贡献度。

研究结果：

1. 参数敏感性分析
   柱轴向荷载比从0.1增至0.5时，严重损伤IDR限值下降37.2%；HRB400钢材较HRB335使中等损伤限值提高21.8%，揭示材料强度与几何参数的协同效应。

2. 方向不对称性验证
   地震动方向导致IDR限值差异最高达15.6%，模型通过双向训练样本有效捕捉该特征，解决传统方法无法处理的响应各向异性问题。

3. 模型性能对比
   XGBoost模型测试准确率90.75%，较固定IDR限值方法提升32.4%。特征重要性排序显示：轴向荷载比（权重0.28）>柱长细比（0.19）>钢材等级（0.15）。

4. 损伤机制解析
   SHAP分析表明：低轴向荷载比（<0.3）时，弯曲变形主导损伤；高轴向荷载比（≥0.4）时，剪切-弯曲耦合效应使IDR限值非线性下降。

结论与意义：
该研究突破传统固定限值评估范式，首次实现考虑设计参数动态耦合的IDR限值预测。Chen Xiong团队提出的方法为特大城市建筑群地震风险评估提供新工具，其构建的17,820组样本库填补了RC裸框架损伤参数研究的空白。实际应用中，只需输入结构设计参数即可实时获取定制化IDR限值，显著提升震后应急响应策略制定的科学性。未来可扩展至带填充墙框架体系，推动机器学习在地震工程中的深度应用。