.png){kind=icon}
返回
An Integrated Prediction Framework for Engineered Cementitious Composite: EDFrame
.png){kind=icon}
OA
AI
DOI：10.3390/ma19122465.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
工程水泥基复合材料（ECC）是一种高性能应变硬化材料，广泛应用于耐久性基础设施，但其复杂的多元参数交互作用使得混合物设计及性能预测具有挑战性。本研究旨在建立EDFrame框架，即工程水泥基复合材料（ECC）的集成预测框架。首先，收集了来自全面且权威文献的两组原始ECC拉伸应力与应变数据集，包含18个特征和10类单一或混合纤维。随后采用约束修正的Conditional Tabular Generative Adversarial Network（Tuned-CTGAN）进行数据增强，并与两种传统方法进行比较。开发了一种带有残差模块的一维卷积神经网络（1D-Residual CNN）用于预测拉伸应力与应变，并对比了五种常用机器学习模型。通过Partial Dependence Plot（PDP）和Kernel SHAP分析实现了所提模型的可解释性。结果表明，Tuned-CTGAN能有效生成可靠的合成数据，显著将1D-Residual CNN的拉伸应力R²从0.8658提升至0.9128，拉伸应变R²从0.8433提升至0.9378，优于所有对比模型。PDP分析识别出1.5%～2%的纤维含量和12～20 mm的纤维长度范围为提升拉伸性能的最优区间，而SHAP分析揭示纤维长度和直径分别为影响拉伸应力与应变的最关键特征。所提EDFrame为ECC性能预测提供了稳健且可解释的解决方案，支持工程实践中高效精确的混合物设计。
Keyword:
engineered cementitious composite
deep learning
generative adversarial network
model interpretability
visualization
期刊
IF:
3.2
论文数:
5.7W
被引数:
15.1W
机构
引用论文
.png){kind=icon}
Magnesium oxychloride cement-based strain-hardening cementitious composite: Mechanical property and water resistance氯氧镁水泥基应变硬化水泥基复合材料: 力学性能和耐水性
PREAI
分享收藏A strain-hardening cementitious composites with the tensile capacity up to 8%拉伸能力高达8% 的应变硬化水泥基复合材料
PREAI
分享收藏
查看更多内容