基于机器学习的钢管混凝土剪力墙破坏模式预测与解释

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。