摘要
可靠的工程预测要求具备准确性、可解释性、物理一致性和不确定性感知能力。钢管混凝土圆管（CCFSTs）的轴向承载力是一个代表性案例，因为它受材料、几何、约束和稳定性效应的耦合作用控制。现有公式虽然透明但往往不够灵活，而黑箱机器学习模型虽然准确但难以直接审查。本研究提出了一种物理引导的符号模型（PI-ResGEP），该模型结合了无量纲π组回归、机制感知特征选择、残差诊断和保形不确定性量化。显式主干模型是主要预测器，而残差层被构建为保守修正和诊断组件。主要数据集由来自55项已发表研究的833个CCFST试验数据汇编而成，同时从34项额外研究中收集的313个数据点用于外部验证。实验结果表明，模型具有有竞争力的准确性，R2达到0.9946，同时保留了可直接检查的方程。通过整合无分布假设的保形预测方法，模型在90%标称水平下实现了90.8%的覆盖率，并识别出异方差不确定性区域。PI-ResGEP可以为超出Eurocode 4适用范围的情况提供初步预测参考，并为需要物理一致、可解释且具有不确定性感知能力的工程预测问题提供潜在可迁移的工作流程。
利益冲突声明
作者声明，他们没有已知的竞争经济利益或个人关系可能影响本文所报告的工作。
数据可用性声明
CCFST数据可通过以下链接获取：https://doi.org/10.17632/5rt37xgpxc.1;，其他数据可根据合理请求向通讯作者索取。代码和外部验证数据集可在Google Colab获取：https://colab.research.google.com/drive/1N54bgrOAt_9sUOSiR5ZyX3Pp8bcsS1it?usp = 共享。
同行评审
为增强透明度，与本文相关的同行评审文件可在以下链接获取：https://doi.org/10.1111/nyas.70418。
