CN113723004A - 基于XGBoost的新旧混凝土界面抗剪强度计算方法 - Google Patents
基于XGBoost的新旧混凝土界面抗剪强度计算方法 Download PDFInfo
- Publication number
- CN113723004A CN113723004A CN202111037242.4A CN202111037242A CN113723004A CN 113723004 A CN113723004 A CN 113723004A CN 202111037242 A CN202111037242 A CN 202111037242A CN 113723004 A CN113723004 A CN 113723004A
- Authority
- CN
- China
- Prior art keywords
- interface
- xgboost
- new
- old concrete
- shear strength
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 239000004567 concrete Substances 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012360 testing method Methods 0.000 claims abstract description 37
- 238000012549 training Methods 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 229910000831 Steel Inorganic materials 0.000 claims description 13
- 239000010959 steel Substances 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000002787 reinforcement Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000013461 design Methods 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000011056 performance test Methods 0.000 abstract description 2
- 239000011150 reinforced concrete Substances 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明公开了一种基于XGBoost的新旧混凝土界面抗剪强度计算方法，方法包括以下步骤：1.首先大量搜集新旧混凝土界面抗剪性能试验数据，包括试件的基本设计信息以及界面抗剪强度；2.将收集到的试件的基本信息参数作为输入变量，抗剪强度作为输出变量放入XGBoost算法进行训练；3.不断调整XGBoost算法的超参数并训练模型，直到具有最好的预测准确率，从而得到训练好的抗剪强度预测模型；4.在训练好的XGBoost模型中输入新的新旧混凝土界面参数，即可得到该界面的抗剪强度；本发明具有非常高的准确性和可靠性，有助于具有新旧混凝土界面的装配式混凝土结构或者加固混凝土结构的分析与设计。
Description
技术领域
本发明涉及新旧混凝土界面抗剪强度计算方法，具体涉及一种基于XGBoost的新旧混凝土界面抗剪强度计算方法。
背景技术
新旧混凝土界面广泛存在于装配式混凝土柱、装配式混凝土剪力墙、装配式桥面板以及装配式混凝土梁柱节点当中，同时新旧混凝土界面还可见于既有混凝土结构的加固当中。因此，新旧混凝土界面的抗剪强度直接影响到上下新旧混凝土的剪力传递，并影响到整个结构的工作性能与安全性。准确预测新旧混凝土界面的抗剪强度对于装配式混凝土结构或者结构加固设计具有十分重要的意义。然而，新旧混凝土界面的抗剪强度影响因素较多，包括混凝土强度，钢筋强度，配筋率等等，因此使得抗剪强度的计算较为复杂。传统的抗剪强度计算方法往往依据剪摩擦理论，引入了较多的假定，不能够较为全面地考虑影响抗剪强度地众多因素，同时经验参数地取值往往依据有限的数据集，使得方法应用于新的混凝土界面抗剪强度计算时精度不能保证。
本发明依据目前较为前沿地数据驱动方法，以机器学习为基础提出了一种基于XGBoost算法的新旧混凝土界面抗剪强度计算方法，方法可直接依据新旧混凝土界面的基本设计参数给出界面最大的抗剪强度，无需复杂的计算且具有极高的准确率，对于装配式混凝土结构或者加固结构的设计和性能评估具有十分重要的指导价值。
发明内容
本发明的目的为了解决传统方法无法全面考虑影响参数以及参数取值不够精确的问题，提供了一种基于XGBoost算法的新旧混凝土界面抗剪强度计算方法，方法可直接依据新旧混凝土界面的基本设计参数给出界面最大的抗剪强度，无需复杂的计算且具有极高的准确率，有助于装配式混凝土结构或者加固结构的设计和性能评估。
本发明采用的技术方案为：一种基于XGBoost的新旧混凝土界面抗剪强度计算方法，包括以下步骤：
(1)搜集N组新旧混凝土界面直剪试验数据，包括试件的基本参数信息以及最大抗剪强度；
(2)将N组新旧混凝土界面直剪试验中的试件基本信息参数作为输入变量X，界面最大抗剪强度作为输出变量y放入XGBoost算法进行训练；
(3)不断调整XGBoost算法的超参数并在训练数据中训练和测试模型，具有最好预测精度的超参数即作为模型的最终参数，从而得到训练好的XGBoost模型F(X)；
(4)在XGBoost模型F(X)中输入新旧混凝土界面参数，即可快速得到该界面的最大抗剪强度。
进一步地，所述步骤(1)中收集的试件中应仅含有新旧混凝土界面(冷节点)的抗剪试验数据。
进一步地，所述步骤(1)中新旧混凝土界面抗剪性能直剪试验中的试件基本参数信息包括：试件中新旧混凝土强度fcmax和fcmin，其中新旧混凝土中强度较大的为fcmax，强度较小的为fcmin，界面抗剪钢筋的配筋率p，界面抗剪钢筋的屈服强度fy，界面抗剪钢筋的直径db，界面抗剪钢筋的根数nb，直剪界面的宽度b，直剪界面的高度h，直剪界面的类型Surtype，以及界面的最大抗剪强度t。
进一步地，所述步骤(1)中直剪界面的类型Surtype包括光滑界面以及人为加工的粗糙界面两种类型。
进一步地，所述步骤(2)中输入变量为：X＝[fcmax,fcmin,p,fy,db,nb,b,h,Surtype]，输出变量y为界面抗剪强度t。
进一步地，所述步骤(3)中XGBoost算法的待调整超参数为：弱学习器数量n_esi，学习率Learn_R，最大树深度max_de，最大叶子节点数max_leaf_nodes。
进一步地，所述步骤(3)中超参数的定义方法为：预先设定弱学习器数量n_esi，学习率Learn_R，最大树深度max_de，最大叶子节点数max_leaf_nodes的可能取值，进而依据这些参数的可能取值组合，共得到m种参数组合方案：Z＝[n_esi,Learn_R,max_de,max_leaf_nodes]m。
进一步地，所述步骤(3)中XGBoost算法最优超参数取值方法为：遍历m种参数组合方案，每次得到一种参数组合方案为：Zj＝[n_esi,Learn_R,max_de,max_leaf_nodes]j∈m，
将XGBoost算法中的参数设定为上述组合，并将训练集用于训练，得到该种参数组合下的预测准确率；
不断重复上述过程，直到训练m轮；
取m轮中预测准确率最高的参数组合即为最终的XGBoost模型参数，模型训练完成。
进一步地，所述步骤(3)中数据集划分方法为：70％作为训练集，30％作为测试集。
有益效果：本发明提供了一种基于XGBoost的新旧混凝土界面抗剪强度计算方法，方法首先大量搜集新旧混凝土界面抗剪性能试验数据，包括试件的基本设计信息以及界面抗剪强度；其次将收集到的试件的基本信息参数作为输入变量，抗剪强度作为输出变量放入XGBoost算法进行训练；然后不断调整XGBoost算法的超参数并训练模型，直到具有最好的预测准确率，从而得到训练好的抗剪强度预测模型；最后在训练好的XGBoost模型中输入新的新旧混凝土界面参数，即可得到该界面的抗剪强度。本发明提出了一种基于机器学习方法的新旧混凝土界面抗剪强度计算方法，避免了传统方法中参数过多、假定过多的缺陷，具有非常高的准确性和可靠性，有助于具有新旧混凝土界面的装配式混凝土结构或者加固混凝土结构的分析与设计。
附图说明
图1是本发明的流程示意图。
图2为决策树生长示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进行进一步说明。
如图1所示，一种基于XGBoost的新旧混凝土界面抗剪强度计算方法，包括以下步骤：
步骤(1)：搜集N组新旧混凝土界面直剪试验数据，包括试件的基本参数信息以及最大抗剪强度；
步骤(1)中收集的试件中应仅含有新旧混凝土界面(冷节点)的抗剪试验数据。
步骤(1)中新旧混凝土界面抗剪性能直剪试验中的试件基本参数信息包括：试件中新旧混凝土强度fcmax和fcmin，界面抗剪钢筋的配筋率p，界面抗剪钢筋的屈服强度fy，界面抗剪钢筋的直径db，界面抗剪钢筋的根数nb，直剪界面的宽度b，直剪界面的高度h，直剪界面的类型Surtype，以及界面的最大抗剪强度t。
步骤(1)中混凝土强度包括，新旧混凝土中强度较大的为fcmax，强度较小的为fcmin。
步骤(1)中中直剪界面的类型Surtype包括光滑界面以及人为加工的粗糙界面两种类型。
步骤(2)：将N组新旧混凝土界面直剪试验中的试件基本信息参数作为输入变量X，界面最大抗剪强度作为输出变量y放入XGBoost算法进行训练；
步骤(2)中输入变量为：X＝[fcmax,fcmin,p,fy,db,nb,b,h,Surtype]，总计9个输入变量。输出变量y为界面抗剪强度t。如表1所示。
因此，输入和输出数据集可表示为：
γ＝[γ1,γ2,...γN]＝[(X1,y1),(X2,y2)…(XN,yN)]
其中Xi＝[x1,x2,...x9]i＝[fcmax,fcmin,p,fy,db,nb,b,h,Surtype]i i∈N，
表1输入和输出变量设置
步骤(3)：不断调整XGBoost算法的超参数并在训练数据中训练和测试模型，具有最好预测精度的超参数即作为模型的最终参数，从而得到训练好的XGBoost模型F(X)；
步骤(3)中XGBoost算法的待调整超参数为：弱学习器数量n_esi，学习率Learn_R，最大树深度max_de，最大叶子节点数max_leaf_nodes。
步骤(3)中超参数的定义方法为：预先设定弱学习器数量n_esi，学习率Learn_R，最大树深度max_de，最大叶子节点数max_leaf_nodes的可能取值，进而依据这些参数的可能取值组合，共得到m种参数组合方案：Z＝[n_esi,Learn_R,max_de,max_leaf_nodes]m。
步骤(3)中XGBoost算法最优超参数取值方法为：遍历m种参数组合方案，每次得到一种参数组合方案为：Zj＝[n_esi,Learn_R,max_de,max_leaf_nodes]j∈m，
将XGBoost算法中的参数设定为上述组合，并将训练集用于训练，得到该种参数组合下的预测准确率；
不断重复上述过程，直到训练m轮；
取m轮中预测准确率最高的参数组合即为最终的XGBoost模型参数，模型训练完成。
步骤(3)中数据集划分方法为：70％作为训练集，30％作为测试集。
如图2所示，每一种参数组合下XGBoost的具体训练过程为：
1)首先定义一个初始化的强学习器，F0(X)，
yi＝F0(Xi)＝f0(Xi)
其中，yi为强学习器F0()在样本Xi上的预测结果，f0(Xi)为第0个弱学习器。
2)逐渐引入新的弱学习器，当添加k个弱学习器后，总的强学习器为Fk(X)，
其中，fk(Xi)为添加的第k个学习器。
此时，目标函数为：
其中，yi为真实输出结果，Ω(fk)为目标函数的规则项，可用于避免过拟合。
3)求解目标函数的最小值以及此时弱学习器的结构，
上述目标函数可写为：
其中，yi k-1为第k个弱学习器添加之前强学习器的预测结果。为使目标函数最小化，需要找到最优的弱学习器fk。因此，遍历fk的结构即可求得目标函数最小值时的弱学习器。
不断重复上述过程，直到训练m轮；
取m轮中预测准确率最高的超参数组合即为最终的模型参数，模型训练完成。
步骤(4)：在XGBoost模型F(X)中输入新旧混凝土界面参数，即可快速得到该界面的最大抗剪强度。
以上结合附图以及具体实施方案对本发明专利的实施方式做出详细说明，但本发明专利不局限于所描述的实施方式。对本领域的普通技术人员而言，在本发明专利的原理和技术思想的范围内，对这些实施方式进行多种变化、修改、替换和变形仍落入本发明专利的保护范围内。
Claims (9)
1.一种基于XGBoost的新旧混凝土界面抗剪强度计算方法，其特征在于：包括以下步骤：
(1)搜集N组新旧混凝土界面直剪试验数据，包括试件的基本参数信息以及最大抗剪强度；
(2)将N组新旧混凝土界面直剪试验中的试件基本信息参数作为输入变量X，界面最大抗剪强度作为输出变量y放入XGBoost算法进行训练；
(3)不断调整XGBoost算法的超参数并在训练数据中训练和测试模型，具有最好预测精度的超参数即作为模型的最终参数，从而得到训练好的XGBoost模型F(X)；
(4)在XGBoost模型F(X)中输入新旧混凝土界面参数，即可快速得到该界面的最大抗剪强度。
2.根据权利要求1所述的基于XGBoost的新旧混凝土界面抗剪强度计算方法，其特征在于：所述步骤(1)中收集的试件中应仅含有新旧混凝土界面的抗剪试验数据。
3.根据权利要求1所述的基于XGBoost的新旧混凝土界面抗剪强度计算方法，其特征在于：所述步骤(1)中新旧混凝土界面抗剪性能直剪试验中的试件基本参数信息包括：试件中新旧混凝土强度fcmax和fcmin，其中新旧混凝土中强度较大的为fcmax，强度较小的为fcmin，界面抗剪钢筋的配筋率p，界面抗剪钢筋的屈服强度fy，界面抗剪钢筋的直径db，界面抗剪钢筋的根数nb，直剪界面的宽度b，直剪界面的高度h，直剪界面的类型Surtype，以及界面的最大抗剪强度t。
4.根据权利要求3所述的基于XGBoost的新旧混凝土界面抗剪强度计算方法，其特征在于：所述步骤(1)中直剪界面的类型Surtype包括光滑界面以及人为加工的粗糙界面两种类型。
5.根据权利要求3所述的基于XGBoost的新旧混凝土界面抗剪强度计算方法，其特征在于：所述步骤(2)中输入变量为：X＝[fc max,fc min,p,fy,db,nb,b,h,Surtype]，输出变量y为界面抗剪强度t。
6.根据权利要求1所述的基于XGBoost的新旧混凝土界面抗剪强度计算方法，其特征在于：所述步骤(3)中XGBoost算法的待调整超参数为：弱学习器数量n_esi，学习率Learn_R，最大树深度max_de，最大叶子节点数max_leaf_nodes。
7.根据权利要求1所述的基于XGBoost的新旧混凝土界面抗剪强度计算方法，其特征在于：所述步骤(3)中超参数的定义方法为：预先设定弱学习器数量n_esi，学习率Learn_R，最大树深度max_de，最大叶子节点数max_leaf_nodes的可能取值，进而依据这些参数的可能取值组合，共得到m种参数组合方案：
Z＝[n_esi,Learn_R,max_de,max_leaf_nodes]m。
8.根据权利要求1所述的基于XGBoost的新旧混凝土界面抗剪强度计算方法，其特征在于：所述步骤(3)中XGBoost算法最优超参数取值方法为：遍历m种参数组合方案，每次得到一种参数组合方案为：
Zj＝[n_esi,Learn_R,max_de,max_leaf_nodes]j∈m，
将XGBoost算法中的参数设定为上述组合，并将训练集用于训练，得到该种参数组合下的预测准确率；
不断重复上述过程，直到训练m轮；
取m轮中预测准确率最高的参数组合即为最终的XGBoost模型参数，模型训练完成。
9.根据权利要求1所述的基于XGBoost的新旧混凝土界面抗剪强度计算方法，其特征在于：所述步骤(3)中数据集划分方法为：70％作为训练集，30％作为测试集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111037242.4A CN113723004A (zh) | 2021-09-06 | 2021-09-06 | 基于XGBoost的新旧混凝土界面抗剪强度计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111037242.4A CN113723004A (zh) | 2021-09-06 | 2021-09-06 | 基于XGBoost的新旧混凝土界面抗剪强度计算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113723004A true CN113723004A (zh) | 2021-11-30 |
Family
ID=78681817
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111037242.4A Withdrawn CN113723004A (zh) | 2021-09-06 | 2021-09-06 | 基于XGBoost的新旧混凝土界面抗剪强度计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113723004A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110147835A (zh) * | 2019-05-10 | 2019-08-20 | 东南大学 | 基于梯度增强回归算法的梁柱节点抗剪强度预测方法 |
| CN110163430A (zh) * | 2019-05-10 | 2019-08-23 | 东南大学 | 基于AdaBoost算法的混凝土材料抗压强度预测方法 |
| WO2021103507A1 (zh) * | 2019-11-29 | 2021-06-03 | 青岛理工大学 | 一种钢板仓组合剪力墙插接节点及计算方法 |
-
2021
- 2021-09-06 CN CN202111037242.4A patent/CN113723004A/zh not_active Withdrawn
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110147835A (zh) * | 2019-05-10 | 2019-08-20 | 东南大学 | 基于梯度增强回归算法的梁柱节点抗剪强度预测方法 |
| CN110163430A (zh) * | 2019-05-10 | 2019-08-23 | 东南大学 | 基于AdaBoost算法的混凝土材料抗压强度预测方法 |
| WO2021103507A1 (zh) * | 2019-11-29 | 2021-06-03 | 青岛理工大学 | 一种钢板仓组合剪力墙插接节点及计算方法 |
Non-Patent Citations (2)
| Title |
|---|
| 林新鹏;黄璐;林燕英;廖丽云;陈胜;彭茄芯;: "带植筋新旧混凝土粘结界面剪切强度试验研究", 福建建筑, no. 04 * |
| 车轶;尤杰;徐东坡;仲伟秋;: "钢筋混凝土无腹筋梁抗剪强度的人工神经网络模型", 建筑结构, no. 2 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109961186A (zh) | 基于决策树和bp神经网络的脱硫系统运行参数预测方法 | |
| CN102867101B (zh) | 一种确定桁架结构参数的方法 | |
| CN110824915B (zh) | 基于ga-dbn网络的废水处理智能监控方法及系统 | |
| CN105740984A (zh) | 一种基于性能预测的产品概念性能评价方法 | |
| CN108595803B (zh) | 基于递归神经网络的页岩气井生产压力预测方法 | |
| CN103745273A (zh) | 一种半导体制造过程的多性能预测方法 | |
| CN113012766B (zh) | 一种基于在线选择性集成的自适应软测量建模方法 | |
| CN104951987B (zh) | 基于决策树的作物育种评价方法 | |
| CN109614580A (zh) | 基于在线Xgboost算法的抗震混合试验模型更新方法 | |
| CN112163316A (zh) | 一种基于深度学习的硬岩隧道掘进机的掘进参数预测方法 | |
| CN104462850A (zh) | 基于模糊高斯混合模型的多阶段间歇过程软测量方法 | |
| CN110837566B (zh) | 一种针对cnc机床故障诊断的知识图谱的动态构建方法 | |
| CN112817312B (zh) | 一种基于双重搜索优化算法的路径规划方法 | |
| CN111144001A (zh) | 一种基于bp神经网络的矿山井筒工程tbm控制方法 | |
| CN109325613B (zh) | 用平行序贯极限学习机对静态电压稳定裕度在线预测方法 | |
| CN110147835A (zh) | 基于梯度增强回归算法的梁柱节点抗剪强度预测方法 | |
| CN109940458A (zh) | 一种刀具未来磨损量在线预测方法 | |
| CN114418469A (zh) | 基于lgbm-nsga-ⅲ的盾构近接施工参数多目标优化方法及设备 | |
| CN105389442A (zh) | 一种耦合遗传算法、神经网络与数值模拟的反向设计方法 | |
| CN113723004A (zh) | 基于XGBoost的新旧混凝土界面抗剪强度计算方法 | |
| CN113088359A (zh) | 一种工艺参数驱动的三甘醇脱水装置三甘醇损耗量在线预测方法 | |
| CN110415769B (zh) | 基于物理冶金学指导下机器学习的低活化钢的设计方法 | |
| CN116662925A (zh) | 一种基于加权稀疏神经网络工业过程软测量方法 | |
| CN116825253A (zh) | 基于特征选择的热轧带钢力学性能预测模型的建立方法 | |
| CN114186771B (zh) | 一种混合正则化随机配置网络工业过程运行指标估计方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211130 |