Machine Learning Prediction of Headed Stud Shear Resistance in Profiled Corrugated Sheets for Steel-Concrete Composite Slabs
Notice bibliographique
Résumé
Steel-concrete composite structures depend on headed shear studs for effective load transfer and composite action.Current design codes, such as EN 1994-1-1 and AISC 360-16, provide empirical formulas to estimate stud shear resistance.However, these codes often fail to account for failure mechanisms in modern profiled steel sheeting, resulting in unreliable predictions.This study evaluates the limitations of both codes using 611 push-out tests, revealing insufficient safety factors-1.09for EN provisions and 0.83 for AISC, both below the target of 1.25.To address these shortcomings, a machine learning-based approach was developed.Key preprocessing steps included outlier removal, feature scaling, and selection of critical features using XGBoost.Four models-XGBoost, LightGBM, Random Forest, and Decision Tree-were evaluated, with Random Forest achieving superior performance (R² = 0.9149, RMSE = 6.87,APE = 9.38%), outperforming traditional codes.A hybrid approach was devised by incorporating a safety factor of 1.25 into machine learning predictions.Adjusted predictions closely aligned with experimental results, yielding an average ratio of 1.24 and a robust R² of 0.93.Standard deviation comparisons highlighted a reduction of over 73% compared to EN provisions and 59% relative to AISC, ensuring improved reliability.The proposed methodology bridges the gap between empirical limitations and real-world behavior, providing a precise, data-driven tool for shear resistance estimation.By integrating machine learning, this approach enhances safety, precision, and applicability in structural design, addressing critical challenges in modern composite construction.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».