所属单位：

土木工程学院

发表刊物：

建筑结构学报

关键字：

混凝土耐久性; 氯离子侵蚀; 机器学习; 传输模型; 内养护作用

摘要：

氯离子侵蚀是海洋基础设施耐久性劣化的重要原因,多孔预湿轻骨料对混凝土的内养护作用可改善骨料界面过渡区结构,提高混凝土耐久性;然而传统物理化学或经验模型,大多通过有限试验数据简单拟合得出,难以准确预测内养护混凝土中氯离子浓度分布。对此,结合自然浸泡试验测得的数据,采用三种传统机器学习算法(XGBoost、CatBoost和LightGBM)及两种深度学习算法(LSTM和Bi-LSTM)建立氯离子浓度数智预测模型,基于粒子群优化(PSO)算法得到的超参数寻优结果对各模型的非线性预测能力展开研究,并在数智模型基础上使用python语言开发了图形用户界面(GUI)。研究结果表明:LightGBM模型在训练集和测试集上统计意义的决定系数分别为0.990 3和0.983 1,在5种模型中表现最佳;LSTM与Bi-LSTM虽在当前数据集中表现整体逊色于机器学习模型,但引入双向机制的Bi-LSTM模型性能较LSTM模型有所提升,证明了深度学习模型用于回归预测任务的潜在能力;通过Shapely加法解释方法(SHAP)解释性分析,揭示了输入参量的特征重要性排序(PFI)及各特征参量发生变化时对预测结果的影响。所建立的模型可用于预测和解析内养护混凝土离子浓度。

合写作者：

王天泽,李凡

第一作者：

罗大明,韩洁

论文类型：

期刊论文

通讯作者：

牛荻涛

是否译文：

否

发表时间：

2024-01-01