基于机器学习的嵌入式波形钢连接件抗剪承载力预测方法

本发明公开了基于机器学习的嵌入式波形钢连接件抗剪承载力预测方法。该方法包括建立数据集、数据预处理、建立基于XGBoost算法模型和模型性能评价与分析四个步骤。该方法基于关键抗剪特征通过推出试验建立第一数据集；根据经过验证的有限元模型扩展数据集，形成第二数据集；两个数据集融合建立一个包含试验和有限元数据的融合数据集。对融合数据集进行异常值检测处理、缺失值处理、数据归一化处理、分类特征处理。通过SHAP分析可视化各参数对嵌入式波形钢连接件抗剪承载力预测值的贡献，并根据抗剪理论分析判断预测模型输出抗剪承载力预测值的合理性。该方法提高了抗剪承载力预测的适用性，显著提升了预测精度更高。