力学季刊

作者：艾辉林, 王盛世, 陶厚正

关键词：XGBoost；KPCA；机器学习；体育场；风荷载预测

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．

来源：2024年第3期

《力学季刊》期刊编辑部

查看力学季刊杂志2024年第3期