钢筋混凝土板-柱节点抗剪强度预测模型的比较分析
神经与进化计算
2023-11-29 v2 人工智能
摘要
本研究旨在对板-柱节点抗剪强度预测进行比较分析，将机器学习、设计规范与有限元分析相统一。采用了当前ACI 318-19（ACI）设计规范（CDCs）、欧洲规范2（EC2）、压力路径法（CFP）、基于前馈神经网络（FNN）的人工神经网络（ANN）、基于PSO的FNN（PSOFNN）以及基于BAT算法的BATFNN。研究辅以板的有限元分析（FEA）以验证试验结果和机器学习预测。对于PSOFNN和BATFNN的混合模型，以均方误差作为目标函数来获取权重的最优值，这些权重由前馈神经网络用于对板数据执行预测。在此数据上训练了PSOFNN、BATFNN和FNN的七种不同模型，结果表明PSOFNN总体为最佳模型。PSOFNN在SCS=1时结果最佳，R最高达99.37%，MSE和MAE最低，分别为0.0275%和1.214%，优于SCS=4时最佳FNN模型对应的R、MSE和MAE值97.464%、0.0492%和1.43%。
引用
@article{arxiv.2311.12824,
title = {Comparative Analysis of Shear Strength Prediction Models for Reinforced Concrete Slab-Column Connections},
author = {Sarmed Wahab and Nasim Shakouri Mahmoudabadi and Sarmad Waqas and Nouman Herl and Muhammad Iqbal and Khurshid Alam and Afaq Ahmad},
journal= {arXiv preprint arXiv:2311.12824},
year = {2023}
}
备注
34 Pages,25 Figures