基于人工神经网络的拼合冷弯薄壁型钢-轻骨料混凝土(CFS-LWC)组合梁抗弯承载力数据驱动建模

《Advances in Engineering Software》：Data-driven modelling of bending resistance in built-up cold-formed steel lightweight concrete (CFS-LWC) composite beams using artificial neural networks

　　

人工神经网络（ANN）代理模型预测了拼合冷弯薄壁型钢-轻骨料混凝土（CFS-LWC）组合梁的抗弯承载力。数据集包含960个有限元（FE）案例，这些案例通过四个不同跨度、截面和轻骨料混凝土（LWC）性能的实验测试进行了校准。五折交叉验证（Five-fold CV）和z-score标准化确保了稳健、无偏的评估。手动搜索、随机搜索和拉丁超立方采样（LHS）定义了一个可重复的调参工作流。最终模型（10×64, tanh, RMSprop）达到了R²≈0.99，残差在±3%范围内。

本研究针对冷弯薄壁型钢（CFS）在结构工程中的广泛应用，以及冷弯薄壁型钢-轻骨料混凝土（CFS-LWC）组合梁在现代建筑中减重、快速装配等优势，指出其结构行为复杂，受薄壁CFS局部屈曲和LWC力学性能影响。现有设计标准（如EN 1994-1-1和AISC 360）主要针对热轧钢和普通混凝土，不适用于CFS-LWC系统；有限元（FE）模型虽准确但计算昂贵。因此，研究人员提出基于人工神经网络（ANN）的数据驱动方法，以高效预测CFS-LWC组合梁的极限抗弯承载力M_u。研究构建了包含960个FE模拟案例的数据集，这些案例通过四个不同跨度、截面和LWC性能的实验测试校准，涵盖了梁跨度（4,310–8,000 mm）、CFS截面高度（240–300 mm）、LWC强度（20–35 MPa）和钢号（S280GD和S450GD）。通过超参数调优（手动、随机、拉丁超立方采样LHS）得到最优ANN架构（1个隐藏层，64个神经元，tanh激活函数，RMSprop优化器），模型在训练集和测试集上均达到高精度（R²≈0.99），残差在±3%范围内，并开发了图形用户界面（GUI）便于工程应用。该研究为轻质模块化建筑提供了快速可靠的设计工具，发表在《Advances in Engineering Software》。

研究采用的关键技术方法包括：数据集来源于960个FE模拟案例，由四个不同跨度、截面和LWC性能的实验测试校准；五折交叉验证（5-fold CV）和z-score标准化用于稳健评估；超参数调优通过手动搜索、随机搜索和拉丁超立方采样（LHS）实现，最终确定1隐藏层64神经元、tanh激活、RMSprop优化器的架构；SHAP（Shapley Additive Explanations）分析用于解释特征重要性。省略了具体试剂和操作步骤，但样本来源为先前研究中的实验数据及FE模拟。

研究结果总结如下：

**奇偶图分析**：通过训练集和测试集的预测值与实际值对比（图12），训练集R²分别为0.9908（2C+C截面）和0.9903（2C截面），测试集R²为0.9870（2C+C）和0.9863（2C），且结合数据集R²均超过0.98，表明模型拟合良好且泛化能力强，误差在±20%以内。

**残差分布分析**：训练和测试阶段的残差（图13）显示，2C+C和2C截面在训练时残差集中在–2%至+2%内，测试时略宽但均保持在±3%以内，且均值接近零，表明预测误差随机无偏，模型稳健。

**SHAP解释性分析**：SHAP图（图14）揭示，钢材屈服强度f_y和梁跨度L对弯矩抗力M_u贡献最大，截面高度h_s和混凝土参数（h_c、f_c）影响次之，与FE数据集相关性分析一致，验证了模型物理合理性。

**讨论部分总结**：研究人员通过对比不同超参数搜索方法，指出LHS方法在效率和效果上最优，且模型在训练和测试中表现一致，无过拟合。SHAP分析进一步确认了关键输入特征，支持了模型预测的可靠性。此外，开发的GUI提升了实际应用便利性。

**研究结论**：本研究开发了ANN模型预测拼合CFS-LWC组合梁的抗弯承载力，填补了设计方法空白。模型基于960个模拟和4个实验校准，覆盖多种几何和材料参数，通过z-score标准化和70-30训练测试分割预处理，相关分析确认f_y和L为最影响参数，SHAP分析进一步验证。超参数调优后，最优架构（1隐藏层64神经元，tanh，RMSprop）达到极高精度（训练R²≥0.99，测试R²≥0.986）。模型优于传统方法，能捕捉非线性相互作用（如部分组合作用和局部屈曲），超出EN 1994-1-1和AISC 360范围。开发了GUI便于工程应用。未来工作可扩展数据集至动态载荷、混合CFS截面或替代连接件，以增强模型通用性。本研究凸显了数据驱动方法在轻质组合结构中的变革潜力，为规范标准和性能化设计提供了替代方案。