XGBoost 알고리즘 기반 철근콘크리트 기둥의 Backbone 곡선 파라미터 예측

Abstract

철근 콘크리트 골조의 내진 성능을 평가할 때 기둥의 거동이 시스템 성능에 상당한 영향을 미치기 때문에 기둥에 대한 정확한 수치 모델을 사용하는 것이 중요하다. 대부분의 이전 연구에서 기둥 모델의 매개변수는 경험식을 사용하여 결정되었다. 그러나 회귀분석에서 개발된 경험식을 사용하여 실제 기둥의 복잡하고 비선형적인 특성을 완전히 포착하는 것은 어렵습니다. 본 연구의 목적은 RC기둥에 대한 이상적인 백본 곡선을 구성하기 위한 머신 러닝(ML) 모델을 개발하는 것이다. 이를 위해 이전 연구에서 반복 하중을 받는 직사각형 RC 기둥에 대한 테스트 데이터를 수집했다. 백본 곡선을 구성하기 위해 세 가지 손상 상태를 정의했다. 제안된 ML 모델의 정확성이 검증하였디. 수집된 기둥의 측정된 백본 곡선이 제안된 ML 모델에서 얻은 매개변수 값을 사용하여 정확하게 예측되었음을 보여주었다.

When assessing the seismic performance of reinforced concrete (RC) frames, it is important to use an accurate numerical model for columns because the seismic behavior of the columns significantly affects the structural performance. In most previous studies, the parameters of column models were determined using empirical equations. However, it is difficult to fully capture the complex and nonlinear characteristics of actual columns using empirical equations developed from regression analyses. This study developed a machine learning (ML) model to construct an idealized backbone curve for RC columns. For this purpose, test data for rectangular RC columns under cyclic loading were collected from previous research. Three damage states were defined to construct the backbone curve, and the accuracy of the proposed ML model was subsequently validated. It was shown that the measured backbone curves of the collected columns could be precisely predicted using the parameter values obtained from the proposed ML model.