基于机器学习的钢筋混凝土柱失效模式两阶段判别方法

基于机器学习的钢筋混凝土柱失效模式两阶段判别方法

摘要：钢筋混凝土柱在侧向地震力作用下具有弯曲、剪切和弯剪三种失效模式。不同的失效模式会造成钢筋混凝土柱具有不同的地震损伤特征。因此，准确地判别钢筋混凝土柱的失效模式对于准确评估钢筋混凝土结构的抗震性能具有重要意义。本文利用已有的钢筋混凝土柱滞回加载试验数据，采用机器学习方法，提出了一种钢筋混凝土柱失效模式两阶段判别方法。其中，第一阶段以钢筋混凝土柱的基本设计参数为输入变量，采用机器学习中的回归算法，建立钢筋混凝土柱的抗弯承载力、抗剪承载力、弯曲变形分量和剪切变形分量预测模型。第二阶段以钢筋混凝土柱的抗弯承载力、抗剪承载力、弯曲变形分量和剪切变形分量作为输入变量，采用机器学习中的分类算法，对钢筋混凝土柱的失效模式进行自动判别，实现了准确判别钢筋混凝土柱失效模式的目的。研究结果表明：极端随机树、AdaBoost、随机森林和梯度提升算法分别对抗弯承载力、抗剪承载力、弯曲变形分量和剪切变形分量具有最佳的预测效果。极端随机树、梯度提升算法和最近邻居法分别对弯曲失效、剪切失效和弯剪失效具有最佳的分类效果。相比已有的钢筋混凝土柱失效模式分类方法，本文提出的两阶段分类方法具有与真实失效模式最为接近的分类结果，分类精度可以达到96%。

关键词：钢筋混凝土柱; 失效模式; 机器学习; 回归算法; 分类算法;

DOI：10.14006/j.jzjgxb.2020.0392

论文流程：

 钢筋混凝土柱的失效模式是弯曲失效机制和剪切失效机制在加载过程中相互竞争、相互影响的结果。其中，能够表征钢筋混凝土柱失效特征的主要物理量是力和变形。因此，要想对钢筋混凝土柱的失效模式进行准确预测，首先要实现对其承载力和变形的准确预测，包括受弯承载力、受剪承载力、弯曲变形分量和剪切变形分量。基于这一思路，同时鉴于机器学习中的回归算法和分类算法具有较高的预测和分类精度，提出了一类基于机器学习的钢筋混凝土柱失效模式两阶段判别方法，如图1所示。由图可见：1）第一阶段，采用机器学习回归算法，训练和预测钢筋混凝土柱的受剪承载力、受弯承载力、剪切变形分量和弯曲变形分量。2）第二阶段，基于预测的承载力和变形，采用机器学习分类算法进行钢筋混凝土柱失效模式的训练与预测。这种思路不仅可以充分发挥机器学习方法在承载力和变形预测中具有较高精度的优势，而且可以反映不同失效模式的发生是弯曲失效机制和剪切失效机制相互竞争、相互影响的结果。

 

其他内容详见：https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=JZJB2020101000G&v=0dxdBFFT2iB0qsSc%25mmd2BOp2NG6Ai4058%25mmd2FjdYRiRRv5Oiy0cGTEUUelU9v8CRyF%25mmd2BQwuE