Total dissipated energy prediction for flexure-dominated reinforced concrete columns via extreme gradient boosting

Abstract

This study aims to provide an efficient framework for predicting the total dissipated energy level of flexure-dominated reinforced concrete columns via a commonly used machine learning method, extreme gradient boosting. A database including 177 reinforced concrete columns is compiled using open-access databases. The proposed framework predicts the target total dissipated energy depending on seven fundamental features: concrete compressive strength, longitudinal rebar yield strength, shear span-to-depth ratio, longitudinal rebar ratio, transverse rebar volumetric ratio, peak drift ratio, and equivalent damping ratio. Results of a correlation-based quantitative analysis reveal that peak drift ratio, yield strength of longitudinal rebars, and concrete compressive strength are the most effective parameters on a target parameter among the other features. K-Fold cross-validation is implemented for the classification process. Validation results show that three fundamental performance indicators such as the means of correlation of determination, normalized root mean square error, and mean absolute percentage error are evaluated as 0.75, 0.38, and 0.33, respectively. Moreover, the accuracy level of the algorithm is tested by comparing with the results obtained based on support vector machine, multilayer perceptron, and random forest techniques. Among these, the implemented extreme gradient boosting is the most successful model for predicting the energy levels thatrepresent the highest correlation of determination. The sensitivity of predicted targets to algorithm-based hyperparameters is also investigated for the implemented algorithm. The results of this study are expected to contribute to energy-based design applications in the scope of predicting the dissipated energy capacity of flexuredominated reinforced concrete column members.

Bu çalışma, betonarme kolonlarda tüketilen toplam enerji seviyesinin uygulamalarda yaygın olarak kullanılan aşırı gradian artırma yaklaşımı ile tahminine yönelik etkin bir algoritma önerilmesini amaçlamaktadır. Bu kapsamda, açık erişimli veri tabanları kullanılarak 177 adet betonarme kolona ait özellikleri içeren bir veri tabanı derlenmiştir. Öne sürülen çerçeve, hedef toplam tüketilen enerji seviyesini 7 temel özelliğe bağlı olarak tahmine olanak sağlamaktadır: beton basınç dayanımı, boyuna donatı akma dayanımı, kesme açıklığı-derinlik oranı, boyuna donatı oranı, enine donatı hacimsel oranı, maksimum ötelenme oranı ve eşdeğer sönüm oranı. Gerçekleştirilen korelasyon esaslı sayısal analizler sonucunda, seçilen özellikler arasında toplam tüketilen enerji üzerinde en etkin olan parametrelerin maksimum ötelenme oranı, boyuna donatı akma dayanımı ve beton dayanımı olduğu belirlenmiştir. Verilerin sınıflandırılması sürecinde K-katlı çapraz geçerlilik yaklaşımı uygulanmıştır. Geçerlilik sonuçları, üç temel performans göstergesine (belirleme katsayısı, normalize edilmiş kök ortalama kare hatası ve ortalama mutlak yüzde hatası) ait ortalama değerlerin sırasıyla 0.75, 0.38 ve 0.33 olarak belirlendiğini göstermiştir. İlave olarak, çalışmada kullanılan model ile tahmin edilen sonuçların hassasiyeti, destek vektör makinesi, çoklu katman algılayıcı ve rastgele orman modelleri esaslı sonuçlar ile test edilmiştir. Sonuç olarak enerji seviyesinin tahmininde en başarılı modelin aşırı gradian artırma yaklaşımı olduğu, belirleme katsayısına dikkate alınarak belirlenmiştir. Çalışma kapsamında, tahmin edilen enerji seviyelerinin kullanılan algoritma bazlı parametrelere bağlı hassasiyet seviyeleri de araştırılmıştır. Çalışma sonuçlarının, özellikle son yıllarda artan enerji esaslı tasarım uygulamalarına, eğilme etkisi altındaki betonarme kolon elemanlarda tüketilen toplam enerji seviyesinin tahmini kapsamında katkı sağlayacağı düşünülmektedir.