文献

J-GLOBAL ID：202202211229679788   整理番号：22A0578815

ハイブリッド機械学習モデルを用いた鋼管拘束コンクリート柱の軸方向強度予測【JST・京大機械翻訳】

Axial strength prediction of steel tube confined concrete columns using a hybrid machine learning model

著者 (5件)： Ngo Ngoc-Tri (Faculty of Project Management, The University of Danang - University of Science and Technology, 54 Nguyen Luong Bang, Danang City, Viet Nam) ,  Pham Thi-Phuong-Trang (Department of Civil Engineering, The University of Danang - University of Technology and Education, 48 Cao Thang Street, Danang City, Viet Nam) ,  Le Hoang An (NTT Hi-Tech Institute, Nguyen Tat Thanh University, Hochiminh City, Viet Nam) ,  Nguyen Quang-Trung (Faculty of Project Management, The University of Danang - University of Science and Technology, 54 Nguyen Luong Bang, Danang City, Viet Nam) ,  Nguyen Thi-Thao-Nguyen (Faculty of Project Management, The University of Danang - University of Science and Technology, 54 Nguyen Luong Bang, Danang City, Viet Nam)
資料名： Structures  (Structures)
巻： 36  ページ： 765-780  発行年： 2022年 
JST資料番号： W3039A  ISSN： 2352-0124  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： コンクリート圧縮強度,鋼の降伏応力,柱直径(D),鋼管の厚さ(t),柱長さ(L),D/t,およびL/Dに非線形に依存するため,鋼管拘束コンクリート(STCC)柱の軸方向強度を推定することは挑戦的である。本研究では,サポートベクトル回帰(SVR)とグレイクォーク最適化アルゴリズム(GWO)を統合したSTCC柱の軸方向強度を正確に予測するための最適化ハイブリッド機械学習(ML)モデルを提案した。人工ニューラルネットワーク(ANNs),SVR,線形回帰,ランダムフォレスト(RF),およびM5P規則をベースラインモデルとして適用した。種々の強度コンクリートを充填したSTCC柱の136試料を採取し,提案したモデルを開発し評価した。結果は,提案モデルがベースラインモデルと比較して最も強力であることを明らかにした。提案モデルによって生成された予測データは,STCC柱の軸方向強度の予測において優れた性能を確認した実際のデータと最も高い一致を示した。特に,平均絶対パーセント誤差は7.00%であり,相関係数は0.992であった。同様に,提案モデルによる平均絶対誤差は143.47kNで,RFモデルによる193.25kN,M5Pモデルによる217.03kN,SVRモデルによる450.00kN,ANNモデルによる248.88kNであった。SVR-GWOモデルは,他のMLモデルと比較して,二乗平均平方根誤差で36%以上改善した。本研究は,(i)STCC柱の軸方向強度の予測における機械学習モデルの一般化と有効性を調べることによる知識の状態に寄与する。および(ii)構造物の耐用年数をサポートできるSTCC柱の軸方向強度を予測するために,効果的なハイブリッドデータ駆動機械学習モデルを提案することによる実践の状態。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *学習モデル ,  *鋼管 ,  最適化手法 ,  *コンクリート ,  *鋼 ,  ニューラルネットワーク ,  相関係数 ,  圧縮強さ ,  降伏応力 ,  *機械学習
準シソーラス用語： *コンファインドコンクリート ,  線形回帰 ,  ランダムフォレスト ,  サポートベクトル回帰 , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  鋼管拘束コンクリート ,  構造設計 ,  データ駆動法 ,  コンクリート構造物

分類 (1件)： その他の構造材料による構造  (RA04060H)

タイトルに関連する用語 (5件)： 機械学習 ,  モデル ,  鋼管 ,  拘束コンクリート ,  予測