Page 212 - 《爆炸与冲击》2026年第5期

第 46 卷 第 5 期 爆 炸 与 冲 击 Vol. 46, No. 5
2026 年 5 月 EXPLOSION AND SHOCK WAVES May, 2026

DOI：10.11883/bzycj-2025-0250

基于 XGBoost 的 PC 板爆炸损伤评估模型 *

赵春风 1,2,3 ，吴艺秀 ，向思麒 ，李晓杰 3
2
4
（1. 合肥工业大学安徽省土木工程结构与材料重点实验室，安徽 合肥 230009；
2. 合肥工业大学土木与水利工程学院，安徽 合肥 230009；
3. 大连理工大学工业装备结构分析优化与 CAE 软件全国重点实验室，辽宁 大连 116024；
4. 新疆农业大学水利与土木工程学院，新疆 乌鲁木齐 830052）

摘要： 装配式建筑结构因其节能环保、质量可控及施工高效快捷等优点，在土木工程中得到了广泛应用。作为
装配式建筑结构的核心受力构件，预制钢筋混凝土（precast reinforced concrete，PC）板易受燃气爆炸、工业爆炸和恐怖袭
击等威胁。为了准确评估 PC 板在爆炸作用下的损伤状态，提升结构抗爆能力，并降低人员伤亡风险，通过构建 PC 板
爆炸响应数据集，选取 6 项几何结构参数和 2 项爆炸荷载参数作为输入特征，采用 3 种不同的机器学习算法（GPR、
RF 和 XGBoost）对 PC 板的最大位移进行预测，采用均方根误差、决定系数、平均绝对误差、散射系数及综合性能目标
函数值 5 项回归评价指标，对 3 种模型的预测精度进行对比分析；提出了基于支座转角损伤准则的损伤分类评估模
型，利用混淆矩阵和 5 项分类指标（准确率、精确率、召回率、F 1 分数和 Kappa 系数）分析 3 种准则下模型的性能差异，
并与简化后的模型及经验预测方法进行对比。结果表明：在最大位移预测方面，3 种机器学习模型中表现最佳的为
XGBoost 模型，其拟合性优于 GPR 和 RF 模型，且综合性能最优；在损伤分类预测方面，基于准则Ⅱ的 XGBoost 损伤分
类模型性能最优，损伤识别准确率达 92.5%，显示出其高效的损伤类型识别能力。基于 XGBoost 算法的爆炸作用下
PC 板损伤分类评估模型具有强大的性能，对结构抗爆和爆后快速损伤评定具有参考价值。
关键词： 预制钢筋混凝土板；机器学习；极限梯度增强；损伤评估
中图分类号： O389 国标学科代码： 13035 文献标志码： A

Blast damage assessment model of PC slabs based on XGBoost

4
2
ZHAO Chunfeng 1,2,3 , WU Yixiu , XIANG Siqi , LI Xiaojie 3
（1. Anhui Provincial Key Laboratory of Civil Engineering Structures and Materials,
Hefei University of Technology, Hefei 230009, Anhui, China;
2. College of Civil Engineering, Hefei University of Technology, Hefei 230009, China;
3. State Key Laboratory of Structural Analysis, Optimization and CAE Software for Industrial Equipment,
Dalian University of Technology, Dalian 116024, Liaoning, China;
4. College of Water Resources and Civil Engineering, Xinjiang Agricultural University, Urumqi 830052, Xinjiang, China）

Abstract: Prefabricated building structures have been widely applied in civil engineering due to their advantages of energy
conservation, environmental protection, controllable quality, and efficient construction. As the core load-bearing components
of prefabricated building structures, precast reinforced concrete (PC) slabs are vulnerable to threats from gas explosions,
industrial explosions, and terrorist attacks. To accurately assess the damage state of PC slabs under explosion, enhance
structural blast resistance, and reduce casualties, an explosion response dataset of PC slabs was constructed. Six geometric
parameters (slab thickness/length/width, steel reinforcement ratio, compressive strength of concrete, etc.) and two explosion

* 收稿日期： 2025-08-10；修回日期： 2025-09-25
基金项目： 新疆维吾尔自治区自然科学重点基金（2022D01D33）；工业装备结构分析优化与 CAE 软件全国重点实验室
开放基金（GZ24120）
第一作者： 赵春风（1983－ ），男，博士，教授，Zhaowindy@hfut.edu.cn

051443-1