| 樽海鞘算法优化支持向量机的RC柱抗侧移承载力预测 |
| |
| 引用本文： | 欧阳谦,骆欢.樽海鞘算法优化支持向量机的RC柱抗侧移承载力预测[J].地震研究,2024(3):350-358. |
| |
| 作者姓名： | 欧阳谦 骆欢 |
| |
| 作者单位： | 1. 湖北省地质灾害防治工程技术研究中心;2. 三峡大学土木与建筑学院 |
| |
| 基金项目： | 湖北省自然科学基金面上项目(2022CFB294)；;国家自然科学基金青年科学项目(52208485)； |
| |
| 摘 要： | 现有钢筋混凝土(RC)柱抗侧移承载力预测模型缺乏泛化性能，延性柱抗弯承载力的预测模型不能用于非延性柱的抗剪承载力，反之亦然。机器学习(ML)方法能够解决这一问题，但由于无法自动剔除冗余和不相关特征，使得ML模型复杂度高且容易过拟合。为此，提出一种樽海鞘算法优化支持向量机(SSALS-SVM)方法，基于给定的数据集，SSALS-SVM能利用樽海鞘优化算法(SSA)自动剔除冗余和不相关的特征，筛选最具代表性且各特征之间相关性弱的特征子集形成最优特征组合，同时对控制模型非线性拟合能力的超参数进行优化。优化后的模型既能识别出影响延性和非延性RC柱抗侧移承载力的设计变量，又能反映最优特征组合与抗侧移承载力间的非线性映射关系。为了验证SSALS-SVM方法的泛化性能，基于248个RC柱抗侧移承载力试验数据，分别与现有的RC柱抗侧移承载力预测模型进行对比，结果表明，SSALS-SVM比现有预测模型的泛化性能最高提升了83%。
|
| 关 键 词： | 钢筋混凝土柱 抗侧移承载力 支持向量机 樽海鞘优化算法 特征选择 |
|
