Autor
|
Gayan Kandethanthri
|
Universität
|
Universidad de Concordia, Kanada |
Darüber hinaus wird die seitliche Leistungsfähigkeit von nachgiebigen Wandscheiben aus Brettsperrholz ohne Verbund untersucht. Durch herkömmliche empfindlichkeitsanalysen und Modelle mit maschinellem Lernen werden kritische Parameter identifiziert, die die seitlichen und abhebenden Antworten dieser Wandscheiben unter seitlicher Belastung beeinflussen. Verschiedene Machine-Learning-Algorithmen wurden angewendet, um das beste Vorhersagemodell für diese Parameter zu ermitteln. Darüber hinaus wurden Shapley Additive Explanations (SHAP) verwendet, um einen tieferen Einblick in die Faktoren zu erhalten, die die seitlichen Antworten und Auftriebsreaktionen beeinflussen.
Die vorliegende Arbeit leistet einen wertvollen Beitrag zur Integration fortschrittlicher rechnergestützter Verfahren in traditionelle Bauingenieurpraktiken, um die Entwicklung von belastbaren und nachhaltigen Gebäudeentwürfen zu fördern.