基于集成学习的FRCM加固RC梁抗剪性能研究

武辰昊^*，刘建虎

(北京工业大学 城市与工程安全减灾教育部重点实验室，北京 100124)

摘　要：　考虑到钢筋混凝土(Reinforced Concrete，RC)梁剪切破坏的脆性特征和纤维增强聚合物(Fiber Reinforced Polymer，FRP)网格增强ECC复合材料(Fiber Reinforced Cementitious Matrix，FRCM)加固的复杂性，传统预测抗剪性能方法存在局限性，因此提出了一种基于集成学习的预测方法。该研究首次从FRCM单独抗剪贡献的角度进行了深入分析，并系统地考虑了不同破坏模式的影响机制，有效弥补了既有研究仅关注总抗剪承载力的不足。为了提高预测精度，采用了5种集成学习算法，并通过贝叶斯优化和十折交叉验证优化了模型参数。研究结果表明，极端随机森林模型预测精度最高，能准确模拟不同破坏模式下的复杂非线性剪切响应。基于SHapley Additive exPlanations(SHAP)技术的分析揭示了各特征对预测结果的影响方式与程度。最后，采用改进的DPC方法对6个经典力学模型进行了评估，并通过对比分析验证了极端随机森林模型的优越性。该模型在预测精度上显著优于传统力学模型，且能适应不同破坏模式的剪切响应，展现出了更强的泛化能力。该研究成果可为FRCM加固RC梁的抗剪性能提供一种数据驱动的高效评估方法。

关键词：　FRCM; RC梁; 抗剪性能; 集成学习; SHAP技术

引文格式： 武辰昊，刘建虎. 基于集成学习的FRCM加固RC梁抗剪性能研究[J]. 市政技术，2025，43(5)：135-143，250. (WU C H，LIU J H. Study on the shear performance of FRCM-strengthened RC beams based on ensemble learning[J]. Journal of municipal technology，2025，43(5)：135-143，250.)