基于集成学习的FRP加固混凝土梁抗弯承载力预测研究

为解决当前纤维增强复合材料(FRP)加固钢筋混凝土梁抗弯承载力预测中模型不统一、计算繁琐、精度有限等问题，建立了统一化的抗弯承载力预测模型。根据既有文献收集外贴式、端锚式和嵌入式3种FRP典型加固方式加固钢筋混凝土梁试验数据，确定影响加固梁承载力的关键因素，通过XGBoost(极限梯度提升树)算法训练回归各影响因素与加固后梁抗弯承载力间的非线性映射关系，得到统一化的FRP加固钢筋混凝土梁抗弯承载力预测模型。随后在测试样本集上对该模型的预测精度进行了验证，与基于支持向量回归(SVR)和人工神经网络(ANN)两种代表性机器学习算法得到的预测模型进行了横向对比，并分析了不同加固方式下的预测精度。研究结果表明：该文得到的基于XGBoost的抗弯承载力预测模型拟合优度R²=0.9417，可见整体精度较高，有良好的性能；相比基于传统机器学习算法SVR和ANN建立的预测模型，基于集成学习算法XGBoost的拟合优度分别提升了8.00%及6.70%，均方根误差减少了33.94%和30.72%，平均绝对误差减少了32.38%和30.51%，表明基于XGBoost的模型精度更高，远优...