基于基因表达式编程的NSM FRP-混凝土粘结强度预测模型

作     者：张芮椋 薛新华 ZHANG Ruiliang;XUE Xinhua

作者机构：四川大学水利水电学院四川成都610065 

出 版 物：《工程科学与技术》 (Advanced Engineering Sciences)

年 卷 期：2021年第53卷第2期

页      面：118-124页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 081304[工学-建筑技术科学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0813[工学-建筑学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：粘结强度 基因表达式编程 纤维增强复合材料 混凝土 预测模型 

摘      要：纤维增强复合材料(fiber-reinforced polymer,FRP)已被广泛应用于混凝土加固工程中。FRP与混凝土界面间的粘结性能是影响加固效果的重要因素之一,为准确预测FRP嵌入式加固(near-surface-mounted,NSM)NSM FRP–混凝土的粘结强度,运用基因表达式编程(gene expression programming,GEP)方法,选取混凝土抗压强度、粘结长度、槽深宽比、FRP轴向刚度、FRP抗拉强度及环氧树脂抗拉强度等6个参数作为粘结强度的影响因素,建立了NSM FRP与混凝土粘结强度的预测模型,提出了具体的计算公式。通过比较粘结强度预测值与实验值,发现二者较为接近,说明该模型具有一定的可靠性。对该模型进行敏感性分析,发现其可以反映粘结强度与单因素之间的内在关系,即粘结强度随着粘结长度、混凝土抗压强度、槽深宽比及FRP轴向刚度等因素的增大而增大。将该GEP模型与经验模型及小波神经网络模型进行比较,并选取6个统计指标对模型进行评价。结果表明,GEP模型与小波神经网络模型的精度较高,各项误差指标均较小,决定系数分别为0.793和0.787。总体而言,GEP模型的精度略优于小波神经网络模型,二者的精度均远高于经验模型。