Die Gestaltung von UHPC-Trägern für Scherung ist herausfordernd, da viele Faktoren – Geometrie, Betonsträrke, Fasern und Bewehrungen – zusammenwirken. In dieser Studie stellen wir eine große, kuratierte Datenbank von Laboruntersuchungen zusammen und entwickeln Modelle des maschinellen Lernens zur Vorhersage der Scherfähigkeit. Die besten Modelle liefern genaue Punktvorhersagen und, wichtig, ein 95%-Vorhersageintervall, das angibt, wie viel Unsicherheit zu erwarten ist; in Tests lagen etwa 95% der Ergebnisse innerhalb dieses Intervalls. Für die tägliche Planung bieten wir auch eine kurze, designorientierte Formel mit expliziten Koeffizienten und Variablen an, die in einer Tabelle verwendet werden kann. Zusammen ermöglichen diese Werkzeuge Ingenieuren, Optionen schnell zu prüfen, Designs mit einem Unsicherheitsbereich zu überprüfen und bei Bedarf einen konservativen Wert zu wählen. Der Ansatz ist transparent, leicht implementierbar und mit gängigen Codevariablen abgestimmt, sodass er die vorläufige Dimensionierung, Verifikation und Bewertung von UHPC-Elementen unterstützen kann.
Yang et al. (Di,) haben diese Frage untersucht.