中小跨径桥梁占我国已建成桥梁的80%以上，借助机器学习对量大面广的中小跨径桥梁抗震性能进行快速预测、分析具有重要意义。然而，机器学习模型由于算法的复杂性往往表现为“黑箱子”，可信度和适用性有待商榷，建立具有可解释能力的机器学习模型成为迫切需求。因此，本文以中小跨径连续梁桥为研究对象，开展桥梁纵向地震反应高可解释性机器学习方法研究。为此，本文采用2种主流的机器学习算法（神经网络、支持向量回归），选取桥梁结构参数和地震动强度参数作为特征（即输入变量），建立桥梁地震反应预测机器学习模型，数据集和机器学习模型已公开。然后，基于4种通用的可解释方法（SHAP、排序重要性、部分依赖图、LIME）对模型进行全面解释。结果表明，支持向量回归和神经网络算法均能准确地预测桥梁地震反应，决定系数超过0.9；平均谱加速度（AvgSa）和桥梁跨数分别是桥梁地震反应预测最重要的地震动强度特征和结构特征；相比之下，基于神经网络模型的SHAP与LIME解释方法更能获得稳定可靠的解释结果；地震动强度特征之间的高相关性导致它们在对预测结果的贡献上出现竞争，而去掉低贡献的地震动强度特征可以保持模型预测精度基本不变的同时降低模型复杂度、提高可解释性；从机器学习模型预测性能和可解释性的角度，本文推荐中小跨径梁桥地震反应预测所需的地震动强度指标为AvgSa、峰值地表位移（PGD）、峰值地表速度（PGV）以及Housner强度指标（HI）。

暂无