《Buildings》:UHPC Creep Behavior and Neural Network Prediction with Calibration of fib Model Code 2020
Shijun Wang,
Mengen Yue,
Wenming Zhang and
Teng Tong
编辑推荐:
超高性能混凝土(UHPC)因其优异的强度和耐久性,越来越多地应用于细长和预应力结构构件中。然而,对徐变变形的不准确或不完整预测可能导致建筑物和基础设施的长期挠度过大、预应力损失、开裂以及潜在的使用性或安全性风险。因此,可靠的UHPC徐变预测方法对于结构设计和长
超高性能混凝土(UHPC)因其优异的强度和耐久性,越来越多地应用于细长和预应力结构构件中。然而,对徐变变形的不准确或不完整预测可能导致建筑物和基础设施的长期挠度过大、预应力损失、开裂以及潜在的使用性或安全性风险。因此,可靠的UHPC徐变预测方法对于结构设计和长期性能评估至关重要。在本研究中,研究人员编制了一个包含60条文献来源的UHPC徐变记录的数据库,以研究大约100天时的徐变系数。皮尔逊相关分析揭示了预测变量之间的强相互依赖性和弱的单变量线性关系,表明徐变行为受非线性相互作用支配。研究人员开发了一个使用Levenberg-Marquardt算法训练的前馈反向传播神经网络(BPNN)来预测徐变系数。为保持工程可解释性,研究人员采用fib Model Code 2020(MC2020)公式作为基于规范的基准,并进一步使用岭回归对其进行了校准。结果表明,校准后的MC2020模型提高了预测一致性,而BPNN模型提供了最高的预测精度。所提出的框架将机器学习预测与可解释的规范校准相结合,有助于发展UHPC徐变建模方法,并为UHPC结构的安全设计提供实际支持。
超高性能混凝土(UHPC)因其卓越的强度和耐久性,在细长及预应力结构构件中应用日益广泛。然而,现有规范模型(如fib Model Code 2020,MC2020)主要基于普通混凝土开发,难以准确捕捉UHPC因致密微观结构和特殊水化动力学导致的非线性徐变行为,导致长期挠度预估偏差、预应力损失及开裂风险增加。为解决上述问题,研究人员开展本研究,旨在综合数据驱动与规范校准方法,提升UHPC约100天徐变系数的预测精度与可解释性。研究发表于《Buildings》。研究人员建立了一个包含60条文献来源UHPC徐变样本的数据库(样本队列来源于已发表学术论文),采用皮尔逊相关分析诊断变量依赖性。关键技术方法包括:首先构建前馈反向传播神经网络(BPNN),采用Levenberg-Marquardt算法训练,网络为双隐藏层(15和20神经元),数据划分70/15/15;其次以MC2020公式为代码基准进行基线预测,并采用岭回归对基本徐变与干燥徐变分量进行分量级校准。研究获得以下结果:**2.2 皮尔逊相关系数分析**——通过计算各变量与徐变系数的皮尔逊相关系数,发现预测变量间存在强共线性(如相对湿度与温度相关系数约0.96),而各单变量与徐变系数的线性关系普遍较弱(约?0.22至?0.30),表明UHPC徐变由非线性多变量交互主导。**3.4 模型预测结果**——基于BPNN的预测中,训练集、验证集与测试集的均方根误差(RMSE)分别为0.1442、0.1887与0.1285,决定系数(R
2)分别为0.8552、0.8074与0.9072,且多数预测点落在±20%误差带内,证实模型对徐变系数中心范围具有良好泛化能力。**4.2 基于MC2020的基线预测**——直接应用MC2020公式进行基线预测,结果表现出回归至均值趋势(低徐变区域高估、高徐变区域低估),相对误差分布呈不对称右偏,表明规范模型直接用于UHPC时存在系统性偏差。**4.3.2 MC2020模型的条件校准**——采用岭回归对基本徐变与干燥徐变分量分别施加校准系数ξ
bc1=1.1948与ξ
dc1=0.0495,校准后预测点更紧密聚集于1:1线附近,±20%误差带内比例提高,但整体离散度仍大于BPNN结果。**4.4 讨论**部分指出,校准后MC2020模型提升了工程可解释性,但BPNN在非线性交互捕捉上更优;现有数据库缺乏构件几何与详细养护历史信息,且样本量有限,未来需扩展数据库并整合物理信息。最终结论翻译如下:本研究采用数据驱动与规范方法研究了UHPC的约100天徐变行为。主要结论为:(1) 建立的60样本数据库显示,预测变量间强相关,而单变量与徐变系数线性关系弱,证明徐变受多变量非线性交互主导。(2) BPNN模型表现出良好预测性能,测试集RMSE为0.1285,R
2为0.9072。(3) 基线MC2020模型出现回归至均值行为,校准后系数ξ
bc1=1.1948、ξ
dc1=0.0495,表明基本徐变贡献增强、干燥徐变效应减弱。(4) 工程视角下,校准MC2020提供更具可解释性与设计兼容性的预测方法,BPNN则为UHPC结构精细化徐变评估提供更高精度。