基于KPCA-XGBoost机器学习的大跨体育场风荷载预测

作     者：艾辉林 王盛世 陶厚正 

作者机构：上海应用技术学院城市建设与安全工程学院 

出 版 物：《力学季刊》 (Chinese Quarterly of Mechanics)

年 卷 期：2024年第3期

页      面：834-841页

学科分类：081405[工学-防灾减灾工程及防护工程] 08[工学] 0814[工学-土木工程] 

基　　金：国家自然科学基金(51778365) 

主　　题：XGBoost KPCA 机器学习 体育场 风荷载预测 

摘      要：大跨空间结构风荷载的取值是该类结构抗风设计关注重点，通常借助风洞试验或数值风洞确定，但其费用高周期长等特点限制其广泛应用．机器学习方法近年受到关注，逐渐应用于结构的风荷载预测并取得了不错的效果．利用核主成分分析（Kernel Principal Component Analysis,KPCA）对数据进行降维处理，借助可以集成学习的XGBoost机器学习模型，采用十折交叉验证对超参数进行选择，编写了基于机器学习的大跨空间结构风荷载预测程序．通过对多个已有工程项目风洞试验结果的学习训练和预测结果比对，证明该方法具有处理数据能力较强、预测效率较高及泛化能力较强等特点．随机选取未参与模型训练的风向角下数据进行模型准确性验证，结果表明模型的R2值均达到0.9左右，预测值与试验值较为接近，体型系数在迎风区的预测精度略低于背风区，而极值风压则在背风区的预测精度好于迎风区．