Die hier beschriebenen Artikel befassen sich mit dem Verhalten von Hybrid-FRP-Beton-Stahl-Doppelhaut-Rohrsäulen und betrachten verschiedene Aspekte wie Biegeverhalten, Druckverhalten, seismisches Verhalten und andere Leistungsindikatoren. Die Autoren verwenden Experimente, Finite-Elemente-Analysen und maschinelles Lernen, um das Verhalten dieser Strukturen unter verschiedenen Belastungen vorherzusagen und zu verstehen. Darüber hinaus wird in einigen Artikeln die Verwendung von künstlicher Intelligenz in den Bereichen Bauingenieurwesen und Strukturanalyse diskutiert. Eine Reihe von Modellen, darunter Random Forests, XGBoost und neuronale Netze, werden eingesetzt, um das Verhalten von Strukturen vorherzusagen und zu interpretieren. Es wird auch untersucht, wie künstliche Intelligenz die Zuverlässigkeit und Genauigkeit von Vorhersagemodellen in der Baubranche verbessern kann. Weitere Forschungsfelder umfassen die Verwendung von maschinellem Lernen zur Modellierung von Materialverhalten und die Optimierung von Konstruktionsparametern für verschiedene Strukturen.
Numerische und maschinelles Lernen zur Modellierung von GFK-umschlossenen Beton-Stahl-Hohl-elliptischen Säulen – Wissenschaftliche Berichte
