基于GBDT的锈蚀钢筋混凝土梁抗弯承载力预测研究  

作　　者：王阳春 茆梦凡 龙关旭 王涛[3] 邵珠峰 

机构地区：[1]山东高速工程监测有限公司,济南市250013 [2]桥梁结构大数据与性能诊治提升交通运输行业重点实验室,济南市250013 [3]长安大学公路学院,西安市710064 [4]山东高速集团有限公司创新研究院,济南市250013 [5]山东省高速公路技术和安全评估省级重点实验室,济南市250013

出　　处：《公路》2023年第12期309-314,共6页Highway

基　　金：山东省交通运输厅科技计划项目,项目编号2021B51;交通运输行业重点科技项目,项目编号2021-ZD1-011;山东省自然科学基金青年项目,项目编号ZR2020QE261;国家自然科学基金,项目编号518708058,52008027。

摘　　要：为准确地对锈蚀状态下钢筋混凝土(Reinforced Concrete,RC)梁的抗弯承载能力进行预测,首先收集了锈蚀RC梁的抗弯试验数据,随后基于集成学习算法梯度提升树(Gradient Boosting Decision Tree,GBDT)建立了锈蚀RC梁抗弯承载力预测模型,最后在测试集上进行了模型精度的测试,并与基于单一机器学习算法多层感知机(Multilayer Perceptron,MLP)和套索回归(Lasso Regression,LR)建立的锈蚀RC梁抗弯承载力预测模型进行比对。结果表明,本研究建立的基于GBDT的锈蚀RC梁抗弯承载力预测模型在训练集、测试集上的拟合优度分别达到0.9999、0.9255,可用于锈蚀RC梁的抗弯承载力预测;与基于单一机器学习算法MLP和LR建立的模型相比,基于GBDT的模型的均方根误差分别降低了97.27%、25.72%和98.50%、40.59%,平均绝对误差分别降低了98.84%、28.90%和99.47%、53.85%,优势明显。本研究结果证明了基于GBDT的预测模型具有优异的性能。

关 键 词：桥梁工程 承载力预测 GBDT 锈蚀钢筋混凝土梁 机器学习 

分 类 号：U446[建筑科学—桥梁与隧道工程] U445.73[交通运输工程—道路与铁道工程]