文献

J-GLOBAL ID：202202229375665605   整理番号：22A0900090

機械学習アルゴリズムを用いたFRP-RCスラブ-柱接合部の打抜きせん断強さの評価【JST・京大機械翻訳】

Assessment of punching shear strength of FRP-RC slab-column connections using machine learning algorithms

著者 (3件)： Truong Gia Toai (School of Architecture, Seoul National University of Science and Technology, Seoul 01811, South Korea) ,  Hwang Hyeon-Jong (School of Architecture, Konkuk University, Seoul 05029, South Korea) ,  Kim Chang-Soo (School of Architecture, Seoul National University of Science and Technology, Seoul 01811, South Korea)
資料名： Engineering Structures  (Engineering Structures)
巻： 255  ページ： Null  発行年： 2022年 
JST資料番号： C0709B  ISSN： 0141-0296  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 最近,繊維強化ポリマ(FRP)棒を鋼補強材に置き換えることは,腐食問題,特に曲げ補強筋(FRP-RCスラブ)としてFRP棒を用いたコンクリートスラブ-柱接合部に打ち勝つために広く適用されてきた。しかし,実験的研究は,FRPの使用が,鋼-RCスラブからポンチングせん断挙動を区別することを示した。FRP-RCスラブの打抜きせん断強度を予測する種々の方法が提案されているが,既存の設計式は,それらの精度が広い散乱性で低いので,改善を必要とする。したがって,本研究は,せん断補強のないFRP-Cスラブのパンチングせん断強度の予測のために,機械学習(ML)アルゴリズムの適用を開拓することを目的とした。この目的のために,せん断スパン対有効深さ比,柱周囲対有効深さ比,有効スラブ深さ,コンクリート圧縮強度,FRP補強比,およびFRPの極限引張強度および弾性係数の入力変数を用いて,104の試験片を有する実験データベースをコンパイルした。サポートベクトル回帰(SVR),ランダムフォレスト(RF),および極端な勾配ブースティング(XGBoost)を含む3つのMLアルゴリズムを,適用のために評価した。MLベースのモデルを開発するために,5倍の交差検証手法によるグリッド探索法を,最適ハイパーパラメータを決定するために訓練プロセスで使用した。MLベースモデルの性能を様々な統計的推定器を用いて推定し,現在の設計コードと既存モデルと比較した。比較は,すべての3つのMLベースのモデルが,入力変数による有意な明白なバイアスなしで,FRP-RCスラブのポンチングせん断強度を正確に予測できることを示した。XGBoostベースのモデルは,試験データセットに対して,0.962の決定係数(R2),0.061MNの二乗平均平方根誤差(RMSE),0.035MNの平均絶対誤差(MAE),および8.931%の平均絶対パーセント誤差(MAPE)を有する最良の予測を示した。入力変数に対する相関係数,特徴スコア,および高感度解析は,有効スラブ深さが予測性能に最も実質的な影響を及ぼすことを示した。XGBoostベースのモデルによる予測は,SVRおよびRFベースのモデル,現在の設計コードおよび既存のモデルより正確でロバストであった。これらの解析結果から,XGboostベースのモデルは,FRP-RCスラブの設計と評価に信頼性があり,正確に使用できることが分かった。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： *剪断 ,  腐食 ,  信頼性 ,  データベース ,  感度解析 ,  コンクリート ,  鋼 ,  スパン ,  *剪断強さ ,  補強材料 ,  圧縮強さ ,  引張強さ ,  *打抜 ,  繊維強化プラスチック ,  ロバスト性

著者キーワード (7件)： 押抜きせん断 ,  スラブ-柱接続 ,  FRP補強 ,  機械学習 ,  サポートベクトル回帰 ,  ランダムフォレスト ,  極端な勾配ブースティング

分類 (1件)： コンクリート構造  (RA04030A)

タイトルに関連する用語 (10件)： 機械学習 ,  アルゴリズム ,  FRP ,  RC ,  スラブ ,  柱 ,  接合部 ,  打抜き ,  せん断強さ ,  評価