Machine learning-based predictive models for maximum lateral strength CFST column under axial loading and lateral cyclic loading

Nguyen, Mai-Suong T.

doi:10.12989/cac.2026.37.3.507

Machine learning-based predictive models for maximum lateral strength CFST column under axial loading and lateral cyclic loading

2026-03-01

0

PRE

AI

DOI：10.12989/cac.2026.37.3.507

原文链接

原文求助

摘要

En 中文

本研究采用机器学习（ML）算法，开发了钢管混凝土（CFST）柱在横向循环荷载作用下的横向强度预测模型。共收集了82组来自文献的钢管混凝土柱在轴力和横向荷载作用下的试验数据集，用于构建预测模型的训练和测试数据。采用极端梯度提升树（ExGBT）来解释训练后的机器学习模型。为验证该模型的有效性，将ExGBT的性能与其他机器学习技术（如多元线性回归（MLR）、人工神经网络（ANN）和决策树（DT））进行了比较。MLR、ANN、DT和ExGBT的整体相关系数分别为0.951、0.989、0.994和0.995，表明所有考虑的方法均能很好地预测钢管混凝土柱的横向强度。然而，ExGBT是预测钢管混凝土柱横向强度的最优算法，其均方百分比误差（MAPE）最低，为15.32%。

Keyword:

artificial neural network (ANN)

concrete-filled steel tube

cyclic loading

decision tree (DT)

extreme gradient boosted tree (ExGBT)

maximum lateral strength

multiple linear regression (MLR)

Machine learning-based predictive models for maximum lateral strength CFST column under axial loading and lateral cyclic loading

摘要

期刊

机构

引用论文