Resumen

En este documento, se presenta un enfoque de modelado inteligente para predecir la resistencia al corte de las juntas viga-columna internas de hormigón armado (HA) y se utiliza para analizar la sensibilidad de los factores de influencia en la resistencia al corte. El enfoque propuesto se establece en base a los famosos algoritmos de aprendizaje automático (AA) de la familia boosting, es decir, el árbol de regresión de boosting de gradiente (GBRT), que genera un modelo predictivo sólido al integrar varios predictores débiles, obtenidos por los conocidos algoritmos de AA individuales, como DT, ANN y SVM. El modelo sólido se impulsa ya que cada predictor débil tiene su propio peso en la combinación final según el rendimiento. En comparación con los modelos convencionales de resistencia al corte impulsados mecánicamente, como la conocida teoría del campo de compresión modificada (MCFT), el modelo propuesto puede evitar el complicado proceso de derivación del mecanismo de corte y la calibración de los

• Materias:Modelo de rigidez Desempeño estructural Fallas estructurales Estructuras de membrana
• Subjects:Stiffness model Structural performance Structural failures Membrane structures
• Palabras claves:Enfoque propuesto; Aprendizaje automático de conjunto de la familia de refuerzo; árbol de regresión de refuerzo de gradiente; Juntas internas viga-columna de RC; Predicción de resistencia al corte; Análisis de sensibilidad
• Keywords:Proposed approach; Boosting-family ensemble machine learning; Gradient boosting regression tree; Internal RC beam-column joints; Shear strength prediction; Sensitivity analysis