强大的机器学习框架用于模拟SFRC的压缩强度:数据库编译,预测分析和实证验证
Yassir M Abbas1, Mohammad Iqbal Khan1
1Department of Civil Engineering, College of Engineering, King Saud University, Riyadh 800-11421, Saudi Arabia.
机器学习 (ML) 准确预测了钢纤维增强混凝土 (SFRC) 的性能. 一个额外的梯度增强模型识别了最佳的SFRC混合物,增强了建筑工程实践.
科学领域:
- 建筑工程工程 建筑工程
- 材料科学 材料科学 材料科学
- 数据科学数据科学数据科学
背景情况:
- 建筑工程越来越多地集成机器学习 (ML) 来进行物质属性预测.
- 现有的钢纤维增强混凝土 (SFRC) 模型往往缺乏透明度和实际应用性.
- 需要先进的,可解释的ML模型来预测SFRC特征.
研究的目的:
- 开发和验证一个准确的机器学习模型来预测SFRC的压力强度.
- 通过使用先进的ML技术,确定最佳的SFRC混合设计.
- 弥合理论ML模型和建筑中的实际应用之间的差距.
主要方法:
- 利用额外梯度 (XG) 提升算法进行预测建模.
- 从43个出版物 (420个记录) 编制了一个全面的数据库,专注于缩,和切割纤维.
- 用20种SFRC混合物进行实验验证,并使用部分依赖图 (PDP) 进行分析.
主要成果:
- 该XG提升模型实现了高准确性,在独立数据集上平均目标预测比率为99%.
- 确定了具有增强压力强度的最佳SFRC配方.
- 部分依赖图显示了输入参数和SFRC压力强度之间的关键关系.
结论:
- 开发的ML模型为预测SFRC压力强度提供了一个透明和准确的工具.
- 该研究为优化建筑中的SFRC混合设计提供了实用见解.
- 创建了一个用户友好的数字界面,以促进专业的采用和应用.
更多相关视频
08:27Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
Published on: January 5, 2024
05:26Determination of the Mechanical Properties of Flexible Connectors for Use in Insulated Concrete Wall Panels
Published on: October 19, 2022
相关概念视频
Fiber Reinforced Concrete
Reinforcements in Concrete
Tensile Strength Considerations of Concrete
The dimensions and shape of a concrete specimen...
Non-destructive Tests for Concrete Strength
Relation Between Tensile Strength and Compressive Strength of Concrete
Behavior of Concrete Under Compressive Load
As the concrete specimen fractures under...
