Predicting shear strength of hollow pretensioned spun precast concrete pile using machine learning models
Notice bibliographique
Résumé
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».