基于XGBoost模型的钢筋混凝土梁长期挠度预测研究
岳鑫鑫1
常山1
杜玉杰1
马露1
但文蛟2
1.安徽科技学院 建筑学院,安徽 蚌埠 2330302.安徽科技学院 机械学院,安徽滁州 233100
摘要：为准确地对钢筋混凝土(Reinforced Concrete,RC)梁的长期挠度进行预测,首先收集了 RC梁的长期挠度试验数据,随后基于极度梯度提升树(eXtreme Gradient Boosting,XGBoost)建立了 RC梁长期挠度预测模型,在试验数据集上进行了模型精度的测试,并与基于支持向量回归基(Support vector regression,SVR)和反向传播神经网络(Back Propagation Neural Network,BPNN)建立的预测模型进行比对.结果表明,本研究建立的基于XGBoost模型的RC梁长期挠度预测模型在训练集、测试集上的决定系数分别达到1.000 0、0.981 8,可用于RC梁的长期变形挠度预测;与基于SVR和BPNN建立的模型相比,XGBoost模型的均方根误差分别降低了 98.03％、15.93％和99.47％、85.97％,平均绝对百分比误差分别降低了 95.51％、11.81％和96.40％、30.83％,优势明显.最后,基于XGBoost模型对RC梁的长期挠度进行了全局灵敏度分析,对影响参数进行了重要性排序.本研究结果证明了基于XGBoost的预测模型在该领域具有优异的性能.
关键词：钢筋混凝土梁XGBoost长期挠度预测机器学习全局灵敏度分析
分类号：TU59(建筑材料)
资助基金：安徽省教育厅重大项目(2023AH040274)安徽省教育厅重点项目(2023AH051841)企业横向课题(881027)企业横向课题(881028)企业横向课题(881202)
论文发表日期：2024-07-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 98-105 )
英文信息