Genetic programming-based algorithms application in modeling the compressive strength of steel fiber-reinforced concrete exposed to elevated temperatures

•Development of machine learning models for CS of SFRC exposed to elevated temperature.•Empirical equation has been derived for CS of SFRC exposed to high temperature.•GEP model provided higher accuracy in predicting CS.•SHAP reveals temperature's pivotal role in CS. Steel-fiber-reinforced conc...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Composites. Part C, Open access Ročník 15; s. 100529
Hlavní autoři:	Ali, Mohsin, Chen, Li, Qureshi, Qadir Bux Alias Imran Latif, Alsekait, Deema Mohammed, Khan, Adil, Arif, Kiran, Luqman, Muhammad, Elminaam, Diaa Salama Abd, Hamza, Amir, Khan, Majid
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier B.V 01.10.2024 Elsevier
Témata:	Compressive strength Elevated temperature Machine learning Predictive model SFRC ANN ρ SFRC Elevated temperature SHAP ETs Predictive model GP Compressive strength RMSE CS DT MAE MLR R GEP RF LIME RRMSE Machine learning OF MEP ML
ISSN:	2666-6820, 2666-6820
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!