传统 RC 剪力墙地震破坏模式预测的玻璃盒模型表示

近年来地震工程领域的激增是利用机器学习方法开发结构行为的预测模型。复杂的黑盒模型通常用于决策以实现高精度；然而，与高精度同样重要的是，工程师必须理解模型是如何做出决策的，并验证模型是否具有物理意义。基于这一动机，本研究提出了一种玻璃盒（可解释的）分类模型，用于预测传统钢筋混凝土剪力（结构）墙的地震破坏模式。将 176 个在反向循环加载下测试的传统剪力墙的实验损伤信息报告指定为类别类型，而剪力墙的关键设计属性（例如混凝土抗压强度、轴压比和腹板配筋率）被用作基本分类特征。使用八种机器学习（ML）方法讨论了模型复杂性与模型可解释性之间的权衡。结果表明，与其同类方法相比，决策树方法是一种更便捷的分类器，具有更高的可解释性和较高的分类准确率。此外，为了增强模型的实用性，进行了特征降维以降低所提出分类器的复杂性并提高分类性能，并识别出了最相关的特征，即：混凝土抗压强度、墙高宽比、横向边界和腹板配筋率。最终 DT 模型预测破坏模式的能力得到了约 90% 分类率的验证。所提出的模型旨在为工程师在抗震性能评估中提供可解释、稳健且快速的预测。