摘要
钢筋混凝土结构广泛应用于建筑领域，包括住宅、商业建筑、桥梁、水利工程等。
然而，地震是一种破坏性灾害，对建筑物造成巨大破坏。在这情况下，柱作为主要抗
侧力构件的抗震能力显得尤为重要。然而，传统研究方法有限，机器学习技术可以提
高设计和评估的准确性和效率。目前，钢筋混凝土柱的强度主要集中在400MPa以下，
需要研发更高强度的钢筋以满足市场需求。机器学习技术的运用可以提升钢筋混凝土
柱的设计和评估水平，实现材料性能和结构的可持续性发展。因此，本文对HTRB630
级高强钢筋混凝土柱的抗震性能开展试验研究，基于试验，采用机器学习方法对其承
载力及位移延性进行预测分析。
（1）对7根配置了HTRB630级纵筋和箍筋的钢筋混凝土柱和2根配置了HRB400
钢筋的对比试件进行了低周反复加载试验，研究轴压比、箍筋间距、钢筋等体积代换、
钢筋等强代换和纵筋配筋率对HTRB630级钢筋混凝土柱抗震性能的影响。研究结果
表明，与普通钢筋混凝土柱相比，HTRB630级高强钢筋混凝土柱的破坏形态相似，
均发生弯曲破坏。增加轴压比和纵筋配筋率可以显著提高试件的承载能力，但延性有
所降低。减小箍筋间距，试件的耗能能力得到提高，同时后期的刚度退化和强度衰减
速度减缓，使得试件的承载能力和变形能力得到了提高。采用HTRB630级钢筋等体
积和等强代换HRB400级钢筋可以提高承载力，实现降低钢筋用量的目的。
2
（）综合考虑轴压比、配箍特征值、纵筋配筋率和纵筋屈服强度因素的影响，
建立钢筋混凝土柱位移延性系数计算公式。采用支持向量机、优化神经网络以及最小
二乘支持向量机方法对钢筋混凝土柱位移延性系数进行预测，结果表明最小二乘支持
向量机算法具有最佳预测效果。将机器学习模型预测结果、本文及学者建立的公式进
行了分析比较。结果表明，三种算法以及本研究提出的预测公式进行预测可以获得准
确、可行且具有足够可靠性的结果。
（3）基于试验结果以及国内外研究结果展开理论分析，建立包含364个数据的
数据库，采用支持向量机、优化神经网络和最小二乘支持向量机等方法，预测悬臂矩
形钢筋混凝土柱的受弯承载力、受剪承载力和破坏模式。采用决策树-Chil2算法分析
了各特征参数对矩形钢筋混凝土柱地震破坏模式的影响程度。研究结果表明，最小二
乘支持向量机方法可作为悬臂矩形钢筋混凝土柱受弯承载力预测的有效方法，而优化
神经网络方法则可作为受剪承载力的预测方法。此外，剪跨比和纵筋配筋率对破坏模
式的影响最为显著，其次是柱身等效长度、轴压比、混凝土抗压强度和纵筋屈服强度
等因素。
关键词：HTRB630钢筋；悬臂矩形钢筋混凝土柱；承载力；破坏模式；支持向
量机；位移延性系数
I
II
ABSTRACT
Reinforcedconcretestructuresarewidelyusedinthefieldofconstruction,including
residentialbuildings,commercialbuildings,bridges,waterprojects,andmore.However,
earthquakesaredestructivedisastersthatcauseenormousdamagetobuildings.Inthis
scenario,columns,asthemainlateralload-resistingcomponents,playacrucialrolein
seismicresistance.However,traditionalresearchmethodshavelimitations,andmachine
learningtechniquescanimprovetheaccuracyandefficiencyofdesignandevaluation.
Currently,thestrengthofreinforcedconcretecolumnsmainlyfocusesonbelow400MPa,
andth