Optimized Machine Learning Algorithms for Predicting the Punching Shear Resistance of Flat Slabs with Transverse Reinforcement

Hua‑Jun Yan; Nan Xie

추천

검색

질문

자료유형: 학술저널

저자정보: Hua‑Jun Yan (Beijing Jiaotong University) Nan Xie (Beijing Jiaotong University)

저널정보: 한국콘크리트학회 International Journal of Concrete Structures and Materials International Journal of Concrete Structures and Materials Vol.19 No.1

발행연도: 2025.1

수록면: 105 - 120 (16page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

In the calculation of reinforced concrete (RC) flat slabs with transverse reinforcement, punching shear resistance is one of the most critical factors. It is true that design provisions may be implemented, but they often result in significant biases and deviations from expectations. This study aims to present an optimized machine learning (ML) algorithm for estimating the punching shear resistance. Four machine learning (ML) algorithms (SVR, DT, RF, and XGBoost) with Bayesian optimization (BO) are presented in this paper to provide accurate predictions for flat slabs. The adoptability and optimization of the models are achieved through the analysis of a database of 337 test specimens with nine design parameters. Machine learning (ML) techniques are used to estimate punching shear resistance, which is compared with design provisions and equations relating to critical shear crack theory (CSCT). According to this study, Bayesian optimization is still capable of improving the performance of conventional machine learning algorithms, while the XGBoost-based model offers advanced capabilities. Predictions based on BO-XGBoost are in good agreement with actual values (MAE, RMSE, and R² are 0.09 MN, 0.14 MN, and 0.92, respectively) in test set. Following a detailed explanation using Shapley additive explanation (SHAP), a high-performance ML approach is used to investigate the predictive results. With the proposed optimized algorithms, it is possible to determine the punching shear resistance of flat slabs with transverse reinforcement during the preliminary stages of the construction.

#Machine learning #Bayesian optimization #Punching shear resistance #RC flat slabs #Transverse reinforcement

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)