中心项目发表论文（二十六）
发布时间: 2024/08/28 发布者： 原创 浏览量：
导语
论文摘要：
虽然国内外已提出了多种纤维增强复合材料 (FRP) 箍筋约束混凝土强度模型，但这些模型在预测试验数据时表现出较大的离散性和差异性。机器学习 (ML) 技术可提供一种潜在的替代方法，但通常面临试验数据不足所带来的挑战。因此，本文开发了一种基于迁移学习的模型来预测 FRP箍筋约束混凝土强度。首先，进行文献综述，收集FRP箍筋约束混凝土柱目标数据集和用于知识迁移的钢箍筋约束混凝土柱源数据集。随后，提出了一种迁移学习算法来构建FRP箍筋约束混凝土的ML强度模型。最后，评估了本文所提模型、6种基于机器学习的模型和7种基于物理的模型。基于单次随机划分的模型评估结果表明，与其他模型相比，本文所提的约束混凝土强度模型更准确，其在测试集上的R2为 0.9089。基于随机划分的模型评估结果表明，本文所提模型表现出更高的鲁棒性。基于所提出的基于迁移学习的模型，获得了输入参数的重要性，进一步验证了该模型的鲁棒性。