基于数据驱动的建模技术在预测钢筋混凝土梁抗剪强度中的应用

《Scientific Reports》：Application of data-driven modeling techniques for predicting the shear strength of reinforced concrete beams

　　

摘要

由于材料特性、配筋特点以及梁的几何形状之间存在复杂的非线性相互作用，准确预测钢筋混凝土梁的抗剪强度仍是一项具有挑战性的任务。本研究提出了一种基于数据驱动的人工神经网络框架，利用从已发表文献中收集的1,977个试验样本构成的系统化实验数据库来预测钢筋混凝土梁的抗剪强度。该数据库经过预处理，去除了不完整和重复的记录，同时通过总优度函数确定了最优的神经网络结构。模型性能通过10折交叉验证以及多种统计指标进行评估，这些指标包括决定系数（R2）、平均绝对误差、均方根误差、偏差以及预测区间。在该框架下，针对代表性训练集和测试集，模型的R2值分别达到了0.9968和0.9686，整体R2值为0.993，且有1,668次预测的结果落在±30%的误差范围内。与加拿大标准协会、美国混凝土学会318标准以及欧洲规范2的标准模型相比，所提出的神经网络模型在预测精度和可靠性方面均表现出更优的性能。参数分析进一步表明，预测结果与已有的钢筋混凝土抗剪力学理论一致，这凸显了抗剪跨高比、梁的几何形状以及配筋率对梁抗剪性能的重要影响。该框架为预测钢筋混凝土梁的抗剪强度提供了一种准确且可靠的决策支持工具，可弥补传统设计规范方法的不足。