快速通道
首页» 学院新闻» 我院本科生王开来在《Structural Concrete》发表学术论文
 

我院本科生王开来在《Structural Concrete》发表学术论文

来源:   作者:李黎 徐婧 王开来   发布日期:2024-02-27     浏览次数:

     

近日,水建学院李黎副教授课题组在国际结构混凝土协会(FIB) 主办的混凝土结构领域传统学术期刊《Structural Concrete》发表了研究论文“Machine learning to estimate the bond strength of the corroded steel bar‐concrete”。水建学院水利水电工程专业2020级本科生王开来为第一作者,李黎副教授和香港理工大学张阳博士后共同通讯作者,李宗利教授等参与了研究工作

钢筋腐蚀容易导致钢筋混凝土的粘结强度严重退化,进而造成结构失效。影响腐蚀钢筋混凝土粘结强度的因素很多,因此,对腐蚀钢筋混凝土粘结强度的评估变得非常复杂。在这项研究中,建立了一个包含430个样本的粘结强度演变数据库,其中包含了混凝土抗压强度、屈服强度和钢筋腐蚀率等14个重要因素。使用了六种机器学习算法进行比较研究,以实现最佳的预测结果(见图1。结果显示,随机森林和极端随机树模型具有最佳性能,确定系数(R2)分别为0.830.82,均方误差(MSE)分别为13.5913.98,均方根误差RMSE分别为3.683.74,平均绝对误差值(MAE)分别为2.352.31a20值分别为0.620.70。此外,与其他模型相比,这两种模型展示了更短的训练时间。运行时间分别为589.75418.31毫秒。并将机器学习算法与经验公式计算对比验证。经验公式表现出更高的误差值,大多数MSE指标超过50,最低的R2值甚至呈现负值。

0.png

1.png

图一:真实结果与预测结果的比较

     此外,使用特征重要性计算来了解机器学习模型感知每个影响因素的能力(见图2)。其中,腐蚀率、纵向筋屈服强度和箍筋等因素被确定为三个最重要的影响因素。

2.png

3.png

图二:特征重要性排序结果

  这项研究得到了国家自然科学基金(52109168)、陕西省自然科学基础研究计划(2021JQ - 174)的支持

   文章链接:https: // doi. org / 10.1002 / suco. 202300401


编辑:徐婧     终审:张鑫