Publication

FRP-RCB ShearPred: An open-source platform for shear capacity prediction of stirrup-free FRP-reinforced concrete beams integrating design codes and ensemble machine learning

2026

Résumé

Reliable prediction of the shear capacity of stirrup-free FRP-reinforced concrete beams remains challenging because existing design provisions give inconsistent estimates, while most machine-learning studies are implemented as standalone scripts that are difficult to reproduce and retrain. This paper presents FRP-RCB ShearPred , an open-source Python application integrating five international design code formulations and eight regression algorithms within a single retrainable graphical workflow. Applied to a 728-specimen database, all eight ML models outperformed all five design codes under both held-out testing and leave-one-study-out (LOSO) validation across 49 independent experimental programmes, with Random Forest achieving the best LOSO R2 = 0.618 (RMSE = 44.3 kN) and recommended as the default deployment model.

Source officielle

https://infoscience.epfl.ch/entities/publication/1de63b8c-f05a-452f-8ff1-e0ffc125c7c5

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

2026

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/1de63b8c-f05a-452f-8ff1-e0ffc125c7c5

À propos de ce résultat

Concepts associés (32)

Apprentissage automatique

L'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.

Régression linéaire

En statistiques, en économétrie et en apprentissage automatique, un modèle de régression linéaire est un modèle de régression qui cherche à établir une relation linéaire entre une variable, dite expliquée, et une ou plusieurs variables, dites explicatives. On parle aussi de modèle linéaire ou de modèle de régression linéaire. Parmi les modèles de régression linéaire, le plus simple est l'ajustement affine. Celui-ci consiste à rechercher la droite permettant d'expliquer le comportement d'une variable statistique y comme étant une fonction affine d'une autre variable statistique x.

Apprentissage ensembliste

In statistics and machine learning, ensemble methods use multiple learning algorithms to obtain better predictive performance than could be obtained from any of the constituent learning algorithms alone. Unlike a statistical ensemble in statistical mechanics, which is usually infinite, a machine learning ensemble consists of only a concrete finite set of alternative models, but typically allows for much more flexible structure to exist among those alternatives.

Afficher plus

Publications associées (32)

Afficher plus

FRP-RCB ShearPred: An open-source platform for shear capacity prediction of stirrup-free FRP-reinforced concrete beams integrating design codes and ensemble machine learning

Chattez avec Graph Search

Developing an interactive neuroimaging education resource with Neurodesk

Optimizing hepatitis C diagnosis through reinforcement learning feature selection and multi-model machine learning evaluation

Robust Software for the Modeling of Spatial Random Fields across Geoscience Disciplines