基于可解释机器学习的TRM加固无筋砌体墙抗剪承载力快速预测及Web应用
信号处理
2024-10-08 v1 应用统计
摘要
本研究旨在为TRM加固砌体墙的抗剪承载力提供一种快速、可靠的工具。为此，提出了一种基于数据驱动的方法，该方法利用从文献中收集的实验结果数据集构建机器学习模型。使用Cook距离方法检测异常值并将其从原始数据集中移除，原始数据集包含11个输入变量。在处理后的数据集上，训练了17种机器学习方法，通过超参数调优进行优化，并进行了比较。将最有效的模型组合成一个投票模型，以利用多个回归器的预测能力。最终的混合模型表现出显著的预测能力，决定系数()为0.95，平均绝对百分比误差为8.03%。随后，应用机器学习解释方法来确定预测变量如何影响目标输出。、和被确定为对剪切承载力主要具有正向影响的最重要预测因子。最后，将构建的机器学习系统部署在一个用户友好的Web应用中，以方便专业人士使用。
引用
@article{arxiv.2406.16889,
title = {Rapid Shear Capacity Prediction of TRM-Strengthened Unreinforced Masonry Walls through Interpretable Machine Learning using a Web App},
author = {Petros Lazaridis and Athanasia Thomoglou},
journal= {arXiv preprint arXiv:2406.16889},
year = {2024}
}