Comparative Analysis of Shear Strength Prediction Models for Reinforced Concrete Slab-Column Connections

要約

本研究は、機械学習、設計コード、有限要素解析を統合し、スラブ・柱接合部におけるせん断強度予測の比較解析を目的としています。
ACI 318-19 (ACI)、ユーロコード 2 (EC2)、圧縮力パス (CFP) メソッド、フィードフォワード ニューラル ネットワーク (FNN) ベースの人工ニューラル ネットワーク (ANN)、PSO ベースの FNN (PSOFNN) の現在の設計コード (CDC)
)、BAT アルゴリズム ベースの BATFNN が使用されます。
この研究は、実験結果と機械学習予測を検証するためにスラブの FEA で補完されます。PSOFNN と BATFNN のハイブリッド モデルの場合、平均二乗誤差が目的関数として使用され、使用される重みの最適化された値が取得されます。
フィード フォワード ニューラル ネットワークによってスラブ データの予測を実行します。
PSOFNN、BATFNN、および FNN の 7 つの異なるモデルがこのデータに基づいてトレーニングされ、その結果、PSOFNN が全体として最良のモデルであることが示されました。
PSOFNN は、R の最高値が 99.37%、MSE が最低で、SCS=1 で最良の結果が得られ、MAE 値はそれぞれ 0.0275% と 1.214% であり、R の値を持つ SCS=4 の最良の FNN モデルよりも優れています。
、MSE、MAE はそれぞれ 97.464%、0.0492%、1.43% でした。

要約(オリジナル)

This research aims at comparative analysis of shear strength prediction at slab-column connection, unifying machine learning, design codes and Finite Element Analysis. Current design codes (CDCs) of ACI 318-19 (ACI), Eurocode 2 (EC2), Compressive Force Path (CFP) method, Feed Forward Neural Network (FNN) based Artificial Neural Network (ANN), PSO-based FNN (PSOFNN), and BAT algorithm-based BATFNN are used. The study is complemented with FEA of slab for validating the experimental results and machine learning predictions.In the case of hybrid models of PSOFNN and BATFNN, mean square error is used as an objective function to obtain the optimized values of the weights, that are used by Feed Forward Neural Network to perform predictions on the slab data. Seven different models of PSOFNN, BATFNN, and FNN are trained on this data and the results exhibited that PSOFNN is the best model overall. PSOFNN has the best results for SCS=1 with highest value of R as 99.37% and lowest of MSE, and MAE values of 0.0275%, and 1.214% respectively which are better than the best FNN model for SCS=4 having the values of R, MSE, and MAE as 97.464%, 0.0492%, and 1.43%, respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google