亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Evaluating fire resistance of timber columns using explainable machine learning models

可解释性 随机森林 栏(排版) 超参数 计算机科学 抗性(生态学) 耐火性 数学 环境科学 机器学习 结构工程 工程类 材料科学 生物 复合材料 生态学 连接(主束)
作者
Mohsen Zaker Esteghamati,Thomas Gernay,Subir Banerji
出处
期刊:Engineering Structures [Elsevier]
卷期号:296: 116910-116910 被引量:7
标识
DOI:10.1016/j.engstruct.2023.116910
摘要

The global attention to using timber products as sustainable construction material urges careful assessment of their performance against different hazards, particularly fire. However, the current methods prescribed by design codes for evaluating the fire resistance of timber components tend to underpredict the outcomes of standard fire resistance tests, and lack interpretability due to the use of semi-empirical equations. This study develops explainable data-driven models to predict fire resistance of timber columns using geometry- and material-related properties based on a comprehensive experimental database. Nine different single and ensemble-based machine learning algorithms were trained, and their performance was optimized through rigorous hyperparameter tuning and feature selection. The best models were then interpreted using partial dependence and Shapley plots to infer the underlying relationship between fire resistance and column properties. Lastly, the models' predictive capabilities were compared to available prescriptive equations. The results show that a random forest-based model provides the best performance with an average ratio of predicted to observed fire resistance of 1.03 on the test set. The random forest prediction is mainly governed by column capacity at ambient temperature, and to a lesser degree, columns' cross-section dimension. In addition, the partial dependence plots indicate that the effect of density, modulus of elasticity, length, and compressive strength on fire resistance was not notable. Finally, while the considered prescriptive equations consistently underpredict fire resistance, the random forest model provides a consistently accurate and balanced prediction.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
bkagyin应助KSung采纳,获得10
14秒前
体贴问丝完成签到 ,获得积分10
15秒前
23秒前
KSung发布了新的文献求助10
26秒前
桃园奈奈露完成签到,获得积分10
28秒前
深情安青应助科研通管家采纳,获得10
34秒前
隐形曼青应助科研通管家采纳,获得10
34秒前
Jasper应助科研通管家采纳,获得10
34秒前
英勇背包完成签到,获得积分10
42秒前
无名完成签到,获得积分10
54秒前
李健应助bosslin采纳,获得10
56秒前
务实怀柔完成签到 ,获得积分10
1分钟前
1分钟前
hayek完成签到,获得积分10
1分钟前
1分钟前
布通完成签到,获得积分10
2分钟前
LANGYE发布了新的文献求助10
2分钟前
寻道图强应助科研通管家采纳,获得30
2分钟前
寻道图强应助科研通管家采纳,获得30
2分钟前
蝈蝈发布了新的文献求助30
2分钟前
碧蓝香芦完成签到 ,获得积分10
3分钟前
英勇背包发布了新的文献求助10
3分钟前
3分钟前
布通发布了新的文献求助10
3分钟前
zz给zz的求助进行了留言
3分钟前
爱笑的眼睛完成签到,获得积分10
3分钟前
二分三分完成签到,获得积分10
4分钟前
4分钟前
Akim应助LIn采纳,获得10
4分钟前
轩海完成签到 ,获得积分10
4分钟前
不去明知山完成签到 ,获得积分10
4分钟前
寻道图强应助科研通管家采纳,获得30
4分钟前
寻道图强应助科研通管家采纳,获得30
4分钟前
Ava应助科研通管家采纳,获得10
4分钟前
4分钟前
是小小李哇完成签到 ,获得积分10
4分钟前
bosslin发布了新的文献求助10
4分钟前
zzyh307完成签到 ,获得积分0
4分钟前
宣灵薇完成签到,获得积分0
5分钟前
wency完成签到,获得积分10
5分钟前
高分求助中
Sustainability in Tides Chemistry 1500
Handbook of the Mammals of the World – Volume 3: Primates 805
拟南芥模式识别受体参与调控抗病蛋白介导的ETI免疫反应的机制研究 550
Gerard de Lairesse : an artist between stage and studio 500
Digging and Dealing in Eighteenth-Century Rome 500
Queer Politics in Times of New Authoritarianisms: Popular Culture in South Asia 500
Manual of Sewer Condition Classification 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3068019
求助须知:如何正确求助?哪些是违规求助? 2722010
关于积分的说明 7475912
捐赠科研通 2369097
什么是DOI,文献DOI怎么找? 1256116
科研通“疑难数据库(出版商)”最低求助积分说明 609454
版权声明 596795