后安装混凝土锚栓抗拔承载力预测的可解释机器学习框架

《Journal of Engineering Research》：Interpretable machine learning framework for pull-out capacity prediction of post-installed concrete anchors

　　

钢筋混凝土（RC）构件通过增设剪力墙或柱外包进行加固时，其结构性能关键取决于既有混凝土基材与新浇截面间的界面粘结行为。该粘结机制主要由后安装钢筋的锚固承载力控制，通常通过抗拔试验评估。本研究开发一种可解释机器学习框架，基于文献汇编的764组试验数据与11个输入变量预测抗拔承载力。数据集按80%与20%随机划分为训练集与测试集。基准测试六种机器学习算法，采用五折交叉验证下GridSearchCV优化超参数。在所评估模型中，CatBoost取得最可靠综合性能，训练集与测试集R2分别为0.962与0.924。基于误差的相对不确定性评估亦表明CatBoost测试集预测稳定性较优。基于SHAP与ICE的解释显示，钢筋直径、孔径、埋置长度与混凝土抗压强度为控制抗拔承载力的主导变量。此外，基于所提模型开发图形用户界面（GUI）以便于工程人员快速初步评估。结果表明，可解释机器学习方法可为RC加固评估与后安装锚固设计同时提供准确预测与实用见解。

研究背景方面，既有钢筋混凝土结构在震后需通过增设剪力墙或柱外包加固，界面粘结性能由后安装锚栓抗拔承载力主导，传统线性回归与早期人工神经网络（ANN）难以刻画几何、材料、安装参数间的非线性耦合且缺乏可解释性。为此，研究人员从21篇已发表文献汇编764组后安装锚栓抗拔试验记录，涵盖钢筋直径d_b、倾角α、埋置长度l_e、l_e/d_b、孔径d_h、d_h/d_b、屈服强度f_y、混凝土抗压强度f_c、胶粘剂类别（水泥基/环氧/Vinylester）、养护时间、清孔条件共11个输入，输出为最大抗拔荷载P_max，构建可解释预测框架并发表于《Journal of Engineering Research》。

关键技术方法上，研究人员采用隔离森林（Isolation Forest, IF）在无监督条件下仅对训练集剔除异常样本；六算法（RF、ERT、AdaBoost、XGBoost、KNN、CatBoost）在同构流程下以80%/20%划分、五折交叉验证GridSearchCV调参；以R2、RMSE、MAE、MAPE、a20-index多指标评价；以SHAP全局重要性及ICE局部敏感性解释；最终将CatBoost封装为GUI供现场快速估算。

研究结果各节要点如下。

Collection of experimental database and cleaning：研究人员汇总764组跨文献异质试验，经IF在训练集内筛除稀疏区异常点，测试集保持原样作独立基准，确保评估无偏。

Experimental database and selected features：11个输入统计分布见表1与图3，几何变量（d_b、d_h、l_e）跨度大，胶粘剂三类并存，P_max范围5.20–177.37 kN，明确预测仅限该参数域。

Pearson correlation analysis for preliminary assessment of input variables：线性相关系数显示d_b（r=0.85）、d_h（r=0.83）、l_e（r=0.67）与P_max强正相关，d_h/d_b中等负向（r=-0.41），f_c近零线性相关；研究人员指出Pearson仅捕线性，非线性与主效应须借SHAP/ICE揭示。

Methodology：六模型简述后，研究人员保留CatBoost为终模，因其对混合类别-数值表格数据抗过拟合优且原生兼容SHAP。

Model development and analysis：CatBoost训练集R2=0.962、测试集R2=0.924，RMSE与MAPE均低于其余模型，a20-index最高，相对不确定性评估显示测试集误差分布最稳。SHAP表明d_b、d_h、l_e、f_c为四大主导因子；ICE曲线揭示f_c在低-中强度段正向贡献明显、高强度段趋缓，印证Pearson零相关不代表无力学影响。GUI集成CatBoost权重，输入11参数即返P_max估算值。

讨论与结论翻译部分：研究人员得出结论，后安装锚栓抗拔承载力受锚固几何、混凝土属性、胶粘剂类别、养护与安装条件耦合非线性控制；CatBoost在异质文献库上较五模型具更高精度与更稳定误差；SHAP与ICE联合解释弥补黑箱缺陷，确认钢筋直径、孔径、埋置长度、混凝土抗压强度为核心驱动变量；所开发GUI支持震后加固现场在工时受限条件下快速评估锚固容量。该研究将可解释机器学习引入RC加固锚固预测，统一三类胶粘剂与倾角参数，由预测单一容量迈向“精度+物理解释+工程交互工具”一体化，对后安装化学锚栓设计规范修订与现场决策具有实用意义。