MétaCan
Menu
Retour à la cohorte
Enregistrement W4408306368 · doi:10.1016/j.istruc.2025.108547

Predicting shear strength of hollow pretensioned spun precast concrete pile using machine learning models

2025· article· en· W4408306368 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueStructures · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative concrete reinforcement materials
Établissements canadiensUniversity of Calgary
Organismes subventionnairesMasdar Institute of Science and Technology
Mots-clésPrecast concretePileStructural engineeringShear (geology)Materials scienceShear strength (soil)Geotechnical engineeringEngineeringComposite materialGeology

Résumé

récupéré en direct d'OpenAlex

Pretensioned Spun Precast concrete (SPC) piles have become prevalent for deep foundation systems for their material quality, quick installation, and high uniformity along the length of the pile, which enhances both bearing capacity and overall structural performance. However, the reduced sectional area arising from the hollow core is a concern for SPC pile's overall shear capacity, particularly in the seismic zones . Conversely, concrete strength , high-strength strands and the application of prestressing improves the shear capacity of SPC piles. As a result, the involvement of more complex parameters makes the shear strength prediction complicated. This study explores the intricate domain of predictive modeling for the shear strength of SPC piles, employing twelve data-driven machine learning (ML) algorithms ranging from regression to boosting models. A comprehensive dataset consisting of 243 test results of SPC piles shear strength is meticulously assembled, structured, and employed to train and evaluate ML models. The input characteristics of the proposed ML models include the ratio of effective thickness to the outer diameter, the ratio of shear span to effective depth, the prestressing strand index, the non-prestressing strand index, the effective shear reinforcement index, the strength of the pile concrete, and the total effective axial stress . The SHapley Additive exPlanations (SHAP) analysis was conducted on the best-performing models to assess the influence of individual parameters on SPC piles shear strength and then compared to existing codes and provisions through sensitivity analysis. The outcome shows that XGB yielded the highest prediction accuracy and lowest variation, which outperformed the other mechanical models and code provisions. This study also demonstrates that the shear strength of SPC piles may be enhanced by raising the total effective axial stress, pile concrete strength, and the effective shear reinforcement index. In addition, a graphical user interface (GUI) has been established for the XGB model, which will aid practicing engineers and future studies in accurately forecasting the shear strength of SPC piles in construction applications.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,256
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,238
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle