纤维复合混凝土材料微观结构演变的机器学习建模与实验验证

纤维增强聚合物（FRP）具有轻质、高强度和施工简便等优点，广泛应用于土木工程结构的加固和增强。为了解决FRP混凝土材料弯曲承载力预测模型不一致、计算过程繁琐和预测精度有限等问题，本文设计了一种基于卷积神经网络（CNN）、注意力机制和长短期记忆网络（LSTM）（CNN-Attention-LSTM）的预测模型。CNN从收集的数据中提取特征，而LSTM能够更好地从时间序列数据中学习。基于CNN-LSTM模型，结合了注意力机制，以突出特征对输入性能的影响，从而提高计算速度。以某FRP混凝土面板砂砾坝为例，通过CNN-Attention-LSTM模型计算，将模型预测的弯曲承载力与原型监测数据进行比较，并与传统模型的预测结果进行比较。结果表明，CNN-Attention-LSTM模型具有更好的预测性能。