基于GBDT的锈蚀钢筋混凝土梁抗弯承载力预测研究

为准确地对锈蚀状态下钢筋混凝土(Reinforced Concrete, RC)梁的抗弯承载能力进行预测，首先收集了锈蚀RC梁的抗弯试验数据，随后基于集成学习算法梯度提升树(Gradient Boosting Decision Tree, GBDT)建立了锈蚀RC梁抗弯承载力预测模型，最后在测试集上进行了模型精度的测试，并与基于单一机器学习算法多层感知机(Multilayer Perceptron, MLP)和套索回归(Lasso Regression, LR)建立的锈蚀RC梁抗弯承载力预测模型进行比对。结果表明，本研究建立的基于GBDT的锈蚀RC梁抗弯承载力预测模型在训练集、测试集上的拟合优度分别达到0.999 9、0.925 5,可用于锈蚀RC梁的抗弯承载力预测；与基于单一机器学习算法MLP和LR建立的模型相比，基于GBDT的模型的均方根误差分别降低了97.27%、25.72%和98.50%、40.59%,平均绝对误差分别降低了98.84%、28.90%和99.47%、53.85%,优势明显。本研究结果证明了基于GBDT的预测模型具有优异的性能。