典型文献
基于机器学习的钢管混凝土剪力墙破坏模式预测与解释
文献摘要：
为实现精准预测钢管混凝土剪力墙的破坏模式,文中基于机器学习对钢管混凝土剪力墙的破坏模式进行了预测,并对结果进行了解释与分析.采用SMOTE算法,使数据类间样本不均衡对模型预测性能造成的不利影响得到了改善.利用多种机器学习算法对钢管混凝土剪力墙的破坏模式进行预测并筛选出性能最优的模型,并基于SHAP法对预测结果进行解释,对特征参数在不同破坏模式中的影响进行了分析并结合试验结果进行佐证.研究结果表明:剪跨比λ是影响墙体破坏模式的一个主要因素,剪跨比λ越高发生弯曲破坏的概率越高,剪跨比λ越低发生剪切破坏的概率越高,只有在剪跨比λ适中时才会增加发生弯剪破坏的概率,并推高其对应破坏模式的Shapley值;腹板内的水平钢筋配筋指数、纵筋配筋指数越高,发生弯剪破坏的概率越低;边缘构件内的钢管配筋指数、与轴压比n越高,发生弯剪破坏的概率越高;在3种破坏模式中,弯剪破坏的预测难度最大.
文献关键词：
钢管混凝土剪力墙;破坏模式预测;机器学习;可解释性;SMOTE算法
中图分类号：
作者姓名：
马高;王瑶
作者机构：
湖南大学土木工程学院,湖南长沙410082;工程结构损伤诊断湖南省重点实验室(湖南大学),湖南长沙410082
文献出处：
引用格式：
[1]马高;王瑶-.基于机器学习的钢管混凝土剪力墙破坏模式预测与解释)[J].地震工程与工程振动,2022(03):143-152
A类：
钢管混凝土剪力墙,破坏模式预测
B类：
基于机器学习,精准预测,SMOTE,样本不均衡,预测性能,机器学习算法,SHAP,佐证,剪跨比,墙体,弯曲破坏,剪切破坏,适中,中时,加发,弯剪破坏,Shapley,腹板,板内,钢筋,配筋,轴压比,可解释性
AB值：
0.202212
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
