利用机器学习预测FRP增强型废弃骨料混凝土梁的抗弯强度：迈向可持续发展的第一步 作者：Arissaman Sangthongtong, Burachat Chatveera, Gritsada Sua-iam, Adnan Nawaz, Tahir Mehmood, Suniti Suparp, Muhammad Salman, Muhammad Noman, Qudeer Hussain, Panumas Saingam

《Buildings》：Predicting Flexural Strength of FRP-Strengthened Waste Aggregate Concrete Beams with Machine Learning: A Step Towards Sustainability Arissaman Sangthongtong, Burachat Chatveera, Gritsada Sua-iam, Adnan Nawaz, Tahir Mehmood, Suniti Suparp, Muhammad Salman, Muhammad Noman, Qudeer Hussain and Panumas Saingam

　　

摘要

在混凝土制造中使用废弃物具有许多环境优势。然而，估算其结构性能可能较为困难，尤其是当梁采用纤维增强聚合物（FRP）进行加固时。为了提供一种基于数据的方法来进行可持续结构设计，本研究探讨了利用机器学习（ML）技术来预测FRP增强废弃物骨料混凝土梁的抗弯强度。研究共使用了92个实验数据集来开发和评估四种机器学习算法：随机森林（RF）、决策树（DT）、神经网络（NN）和极端梯度提升（XGBoost）。通过回归图、泰勒图、统计指标（R2、RMSE、MAE、MSE）以及可解释性AI（XAI）工具（包括SHAP、LIME和部分依赖图PDPs）来评估模型的性能。在预测准确性方面，随机森林的表现优于神经网络，而极端梯度提升的表现与随机森林相当。根据SHAP分析，最重要的预测因素是梁的长度和纤维的长度，其次是钢材的抗拉强度、纤维的宽度以及混凝土的抗压强度。LIME为单个预测提供了局部可解释性，而部分依赖图则展示了最佳的参数范围和非线性的特征强度关系。这些发现为工程师提供了强大的决策支持工具，用于设计绿色基础设施，因为它们表明基于集成模型的方法能够准确反映控制FRP增强废弃物骨料混凝土梁抗弯行为的复杂非线性动态。