科研之友
微信
新浪微博
Facebook
分享链接
摘要
钢筋混凝土板作为工程结构的主要受力构件，在遭受恐怖袭击或意外爆炸时极易发生破坏，甚至引起结构的整体倒塌，因此，了解和预测混凝土板在爆炸作用下的动力响应，对增强工程结构的抗爆防护能力，减轻生命和财产经济损失具有非常重要的意义。本文收集整理了国内外文献中普通钢筋混凝土板爆炸试验和基于试验进行参数化分析的数值模拟数据，采用机器学习回归算法中的支持向量机和高斯过程回归两种算法等对近场爆炸作用下的钢筋混凝土板的最大位移进行预测。运用改进的偏差-方差分解原理对模型的泛化性能进行分析，同时，将机器学习模型与现有的预测方法进行对比，最后，采用置换特征重要性和Sobol全局敏感性分析方法，从局部和整体对模型特征进行解释，增加模型的可靠性。上述结果表明：支持向量机和高斯过程回归两种机器学习方法的泛化性能都较好，但高斯过程回归算法的预测效果要优于支持向量机算法，同时对比现有预测方法发现机器学习方法要更优，具有较高的预测精度和计算效率，且得出了不同输入参数对模型输出结果的影响，实现了对输出结果的可解释性，进一步增加了其可靠性。研究成果可为机器学习在爆炸领域应用提供一定的参考。
- 单位
