Objavljen: Građevinar 78 (2026) 1
Tip rada: Izvorni znanstveni rad
Preuzmi članak (HR verzija): PDF
Preuzmi članak (EN verzija): PDF

Predviđanje savojne nosivosti djelomično obloženih kompozitnih greda pomoću strojnog učenja

Radi prevladavanja ograničenja tradicionalnih metoda u ovome istraživanju ispitana je savojna nosivost djelomično obavijenih kompozitnih (PEC) greda velikog presjeka s različitim otvorima u hrptu pomoću eksperimentalnih ispitivanja i strojnog učenja (ML). Ispitivanja savijanjem u četirima točkama na uzorcima različitih presjeka i tipova otvora pokazala su vrlo dobru duktilnost (koeficijenti > 4,0), pri čemu su otvori u hrptu blago smanjili granicu tečenja, ali bez znatnijega gubitka nosivosti. Baza podataka s 15 parametara korištena je za treniranje i validaciju četiriju modela ML (RF, CatBoost, KNN, LightGBM). Model Random Forest pokazao je najveću točnost (≈ 2,6 % MAE). Primjenom analize Shapley unaprijeđena je interpretabilnost modela te su identificirani ključni parametri. Integracija objašnjivoga strojnog učenja znatno poboljšava točnost i razumljivost predviđanja savojne nosivosti PEC greda, nudeći učinkovit pristup za inteligentno projektiranje i procjenu konstrukcija.

LICENCA:

This paper is licensed under a Creative Commons Attribution 4.0 International License.