基于可解释机器学习模型的钢筋混凝土板抗撞性能预测分析
研究生：方翔 导师：邹德磊
论文：D.L. Zou, X. Fang. et al, Study on the relationship of design parameters and damagemodes for RC slabs subjected to large-scale hard missile impacts base on task-driven approach, Structures. 58 (2023).
https://doi.org/10.1016/j.istruc.2023.105635.
为了克服大口径冲击试验、数值仿真和理论计算等传统结构抗冲击分析方法的局限性，本研究提出了一种混合集成学习（EL）模型，用于评估RC板在大口径刚性弹冲击下的损伤模式。图1为混合EL模型的技术路线图。该模型集成了CatBoost和SMOTE-NC算法，用于解决小样本类别不平衡问题，模型优化问题等。研究结果表明，结合CatBoost和SMOTE-NC的混合集成学习模型具有较高的预测准确性、鲁棒性。此外，通过应用SHAP分析，发现速度、厚度、混凝土抗压强度、导弹质量、配筋率和弹体直径是影响最大的变量，它们之间的相互作用显著。同时，基于上述结论，本研究提出了一种利用可解释的混合EL模型进行的损伤评估和结构设计的方法，并进一步封装开发了大口径弹丸冲击RC板损伤预测分析系统，以满足工程实践需求。
图1 混合EL模型的技术路线流程图
图2 损伤评估及结构设计流程图
