文献

J-GLOBAL ID：202202273108848445   整理番号：22A0900093

FRCMで曲げ補強されたRC梁の曲げ耐力予測のための説明可能な機械学習モデルと信頼性解析【JST・京大機械翻訳】

Explainable machine learning model and reliability analysis for flexural capacity prediction of RC beams strengthened in flexure with FRCM

著者 (5件)： Wakjira Tadesse G. (Department of Civil and Architectural Engineering, College of Engineering, Qatar University, P.O. Box 2713, Doha, Qatar) ,  Wakjira Tadesse G. (Applied Laboratory for Advanced Materials & Structures (ALAMS), School of Engineering, The University of British Columbia, Kelowna, BC V1V 1V7, Canada) ,  Ibrahim Mohamed (Department of Civil and Architectural Engineering, College of Engineering, Qatar University, P.O. Box 2713, Doha, Qatar) ,  Ebead Usama (Department of Civil and Architectural Engineering, College of Engineering, Qatar University, P.O. Box 2713, Doha, Qatar) ,  Alam M. Shahria (Applied Laboratory for Advanced Materials & Structures (ALAMS), School of Engineering, The University of British Columbia, Kelowna, BC V1V 1V7, Canada)
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： 本論文では,曲げにおける織物強化セメント系マトリックス(FRCM)複合材料で補強された鉄筋コンクリート(RC)梁の荷重と曲げ能力を決定するためのデータ駆動手法を提示した。カーネルリッジ回帰,K最近傍,サポートベクトル回帰,分類および回帰ツリー,ランダムフォレスト,勾配ブーストツリー,および極端な勾配ブースティング(xgBoost)のような合計7つの機械学習(ML)モデルを,FRCM強化ビームのための最良の予測モデルを提案するために評価した。コンクリート,鋼,およびFRCMの梁形状,内部鉄筋面積,FRCM補強面積,および機械的特性は,データベースに含まれる主な入力パラメータである。研究したMLモデルの中で,xgBoostモデルは,最も高い決定係数(R2=99.3%)と最小自乗平均平方根(RMSE),平均絶対誤差(MAE),および平均絶対百分率誤差(MAPE)を有する最も正確なモデルである。提案したモデルと既存の解析モデルの性能の比較研究は,提案モデルの優れた予測能力とロバスト性を明らかにした。既存の解析モデルに基づく梁の予測した曲げと荷重容量は,高度に散乱し,過度の保守的あるいは不安全である。最良のMLモデルの出力を説明し,曲げにおけるFRCM強化RC梁の容量に影響する最も有意な入力特性と相互作用を同定するために,統一SHapley添加剤ExPlanationアプローチを採用した。さらに,特定の目標信頼性指数(βT=3.5)を達成するために,抵抗低減因子(φ)を較正するために信頼性解析を行った。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： *梁 ,  最小二乗法 ,  *曲げ ,  データベース ,  保全 ,  コンクリート ,  鋼 ,  鉄筋 ,  *モデル ,  *機械学習 ,  解析モデル
準シソーラス用語： ブースティング ,  ランダムフォレスト ,  *鉄筋コンクリート梁 ,  サポートベクトル回帰 , 【Automatic Indexing@JST】

著者キーワード (5件)： FRCM ,  機械学習 ,  SHAP ,  信頼性解析 ,  強化

分類 (1件)： コンクリート構造  (RA04030A)

タイトルに関連する用語 (8件)： 曲げ補強 ,  RC梁 ,  曲げ耐力 ,  予測 ,  説明 ,  機械学習 ,  モデル ,  信頼性解析