来源：期刊VIP网 时间：
作者：梅生启;武腾;王兴举;程相旭;刘哲;李星艳;李雪峰;
单位：省部共建交通工程结构力学行为与系统安全国家重点实验室;石家庄铁道大学交通运输学院;石家庄铁道大学土木工程学院;
摘要：针对既有混凝土徐变模型在多源机制砂混凝土徐变数据的适用性不足问题，提出了一种融合机器学习的机制砂混凝土徐变显式建模方法，用以提升模型精度和增强结构可解释性。首先，收集了81组机制砂混凝土徐变试验数据，评估了现有模型(MC2010、ACI209、B3、B4、GL2000)和机制砂混凝土修正模型的适用性，发现决定系数(R2)最大仅为0.57，存在明显低估或高估机制砂混凝土徐变行为。然后，采用Feature Tokenizer Transformer、PINNs、TabNet与XGBoost机器学习算法进行机制砂混凝土徐变预测，测试集R2最高可达0.98，验证了机器学习模型在机制砂混凝土徐变预测方面的优势。最后，基于特征分析，采用自动特征工程与筛选(AutoFeat)与神经符号回归(NSR)进行显式模型构建。AutoFeat通过XGBoost-SHAP与皮尔逊相关系数进行特征筛选，分别构建了一阶、二阶和三阶模型，R2最高达到0.96;NSR则基于函数符号组合自动挖掘变量间的非线性关系，最终构建的表达式模型在测试集上取得R2=0.86，具有良好的结构透明性与物理合理性。两种建模计算结果显示，石粉掺量、水胶比、加载龄期、持荷时间与抗压强度是机制砂混凝土徐变的主要影响因素。本工作所提出方法在特征简化的同时保持了模型精度，为机制砂混凝土徐变预测提供了一种兼具准确性与解释性的建模思路。
关键词：机制砂混凝土;徐变预测;融合机器学习;显式建模
基金资助：国家自然科学基金项目（52108161）; 河北省燕赵黄金台聚才计划骨干人才项目（HJYB202521）; 河北省高等学校科学研究项目青年拔尖人才项目（BJK2024127）
